合集-新数据
摘要：clc;clear all;close all;load('spectra_truth_campus_1')load('muufl_gulfport_campus_1_all4TypeLabel')rowindice=hsi.groundTruth.Targets_rowIndicescolindi
阅读全文
摘要：从结果看效果不好呢？数据有问题反射率是负的。 clc;clear all;close all;load('spectra_truth_campus_1')load('muufl_gulfport_campus_1_all4TypeLabel')w=hsi.Dataw=reshape(w,325*33
阅读全文
摘要：如果字符串使用 ‘’ （单引号）括起来，则使用 A = [], A = [A, str] 这种创建矩阵的方式只会导致“字符串连接” 如果字符串使用 “ ”（双引号）括起来，则使用 A = [], A = [A, str] 这种创建矩阵的方式能够创建矩阵
阅读全文
摘要：最终结果为0。 clc;clear all;close all;load('gulfport_wavelength')load('spectra_truth_lab')w1=gulfport_wavelengthw1=round(w1)w2=w1(1:71)w3=w1(2:72)w4=w3-w2in
阅读全文
摘要：端元数 提取跟真值标签的差异 8，10616，58.7926，5832，4740，5564，67
阅读全文
摘要：问题是有多少端元是未知的 64个目标端元有遮挡半遮挡。 60个用于端元提取。 4个用于大气模型建模。
阅读全文
摘要：反射率为什么是负的,出现负数可能是错了啊。反射率是辐射能力占总辐射能量的百分比，R=(n1-n2)*(n1-n2)/(n1+n2)/(n1+n2)。 如果您在使用预处理后的高光谱卫星数据时发现一些非水体像元的反射率存在负值，并且大部分像元都是缺失的，可能存在一些问题。以下是可能导致这种情况的几个常见
阅读全文
摘要：看论文说应该是21个端元+8个目标端元，而我只有4个目标端元的光谱信号所以25个端元+4个目标端元。 未对缺失值做任何处理，端元数一开始大是因为端元数提取少，而后来端元数大变好了是因为能提取目标端元了，再后来端元数更大维度更大了噪音更多了。 8端元差异角度是42 以欧式距离相似度分配端元差不多距离是
阅读全文
摘要：无监督和弱监督的结果不稳定可以用方差测，弱监督方差小一些。 做实验会对方法有一些新的理解。 vca降维空间大噪音大。 评价指标不能从多方面兼顾。 数据相似特征多去掉相似特征就会得到一个好结果。 数据有缺失值。 欧式角度和欧式距离选任一评价标准都行差不多。 降维和损失函数是次要的主要是特征工程。这里用
阅读全文
摘要：端元8角度39距离8.2 端元16角度30.8571 距离4.0731 端元29角度31.0328 距离3.2722 端元40角度31.3 距离3.2
阅读全文
摘要：端元数18，1：2：44也就是维度22 欧式角2.0和角度30 端元8角度角度32.63距离2 端元16角度30.0377距离2.5686 端元29角度30.6477距离2.4886 每个距离 每个角度 端元40角度30.6距离2.57 按欧式距离找
阅读全文
摘要：用vca在正包中提取像素。欧式距离2.8，角度17.9043。 每隔2个维度选取一个特征最终，欧式距离2.487，角度16 未用vca直接按角度相似分配像素。
阅读全文
摘要：只把缺失值。1.删除缺失值的列。2.利用平均值、众数、中数补充缺失值。3.用数据预测缺失值。
阅读全文
摘要：欧氏距离4.35角度24 欧氏距离3.0174角度26.2438
阅读全文
摘要：间隔1 间隔2 间隔4监督角度25.6273距离3.1385 间隔8 2.8462 27.6240
阅读全文
摘要：输入未做任何处理标签负值变为0距离4.0角度45.63 输入负值变为0标签负值变为0距离4.3254角度23.6709
阅读全文
摘要：根据角度相似度选择最优的像素欧式距离1.8736角度11.1405把缺失的负值变为0 根据角度相似度选择最优的像素欧式距离1.7006角度13.6692把缺失的负值变为0，用vca提取的（重复1000次的）
阅读全文
摘要：ismemeber可以查看一行在矩阵的位置。角度是6.2距离是0.6531。
阅读全文
摘要：高度，宽度，彩色通道维度。只提取有用的像素vca提取端元。 brown。dark green。faux vineyard green。pea green。有可能是标签错误，也有可能这个真实光谱并不一定是这4种物体光谱。论文也说了就这些布，那么就可能是标错了，有一定误差。 那些元素没在提取的光谱里说明
阅读全文
摘要：[uniqueData, ~, idx] = unique(positive', 'rows', 'stable'); 而密西西比有重复元素。 因为这里有重复像素即使735个正包数据都去除其依旧有735个正包相同像素。 load('postive_bag')load('all_row')load('
阅读全文
摘要：As an additional note, when ordering the chosen fabrics a mistake was made with the Vineyard Green such that 1/5 of our fabric was the originally chos
阅读全文
摘要：序列学习 生活中的所有事物都是与时间相关的，也就形成了一个序列。为了对序列数据（文本、演讲、视频等）我们可以使用神经网络并导入整个序列，但是这样我们的数据输入尺寸是固定的，局限性就很明显。如果重要的时序特征事件恰好落在输入窗以外，就会产生更大的问题。所以我们需要的是：
阅读全文
摘要：在机器学习中，多示例学习(Multiple Instance Learning 简称 MIL)是由监督型学习算法演变出的一种方法，定义“包”为多个示例的集合，具有广泛的应用。学习者不是接收一组单独标记的实例，而是接收一组带标签的包，每个包拥有多个实例。在多实例二进制分类的简单情况下，如果包中的所有实
阅读全文
浙公网安备 33010602011771号