基于线性嵌入和张量流形的高光谱特征提取

为了使降维结果更好地体现高光谱数据的空间结构信息, 并进一步提高分类精度, 提出了一种基于线性嵌入和张量流形的高光谱特征提取算法。不同于其他流形结构的表达方法, 所提算法采用协同表示理论求解全局线性嵌入的权重矩阵, 更有利于保持高维数据的全局信息, 提高了流形结构表达的准确性。同时, 建立了基于多特征描述的张量流形降维框架, 得到的显式映射具有较强的可靠性和全局适应性。实验结果表明:与主成分分析、局部线性嵌入、拉普拉斯特征映射和线性保留投影等算法相比, 所提算法表现出了更优越的分类性能。