基于卷积神经网络的高光谱分类一、研究现状只考虑到高光谱图像的光谱特征，即：1、提取特征(小波变换、Gabor纹理分析、形态学剖面)​2、利用分类方法分类(支持向量机、决策树、随机森林、神经网络)​缺点：这些特征提取方法需要依据先验知识手动设置，且通过设定参数提取的特征信息通常只能​用于区分特定的对象，缺乏灵活性，并且分类性能无法进一步提升。本文提出：卷积神经网络的高光谱分类​优点：能同时提取图

Redis数据库学习笔记

Redis数据库学习笔记