登录社区云，与社区用户共同成长
邀请您加入社区
摘要：高光谱图像分类面临小样本和跨域挑战，传统方法难以应对。论文提出跨域多级对比（CDMLC）方法，通过三级对比学习（实例-类别-跨域）提升特征判别性，结合光谱注意力3D-CNN动态聚焦关键波段，使用k-NN分类器避免过拟合。在五个公开数据集上，CDMLC以5-shot样本实现92.3%平均精度（较SOTA提升7.8%），验证了其在小样本跨域场景下的优越性。核心创新包括多级对比机制、光谱注意力模块
计算出每个词的 TF-IDF 值后，使用 TF-IDF 计算得到的数值向量替代原文本即可实现基于 TF-IDF 的文本特征提取。这里将对应的文本token转化为vector，方便后面进行计算，这里的CountVectorizer()使用的是BOW模型，所以编码后的维度应该是词表的大小。IDF 指 inverse document frequence，即逆文档频率，指包含某个词的文档数占语料库总文档
