
仿真
好好会
这个作者很懒,什么都没留下…
展开
-
代码解析:Hyperspectral Band Selection via Adaptive Subspace Partition Strategy
对于本篇文章的代码,咱们就做简单的解读,不深入研究。1、数据集加载这一部分是数据集的加载,并将其由三维转换成二维%% load dataload PaviaU;img_src = paviaU;clear paviaU;load PaviaU_gt;img_gt = paviaU_gt(:);clear paviaU_gt;[W, H, L]=size(img_src);img_src = double(img_src);img_src = reshape(img_src, W原创 2020-07-09 21:23:32 · 1213 阅读 · 12 评论 -
代码仿真:Group lasso-based band selection for hyperspectral image classification
1、生成训练和测试数据集切换数据路径换成自己的数据路径root_dir = fullfile('D:\chengxu\Hyperspectral_matlab\GLBS-master\GLBS-master\data');切换这个的同时,如果你使用的是最原始的数据(220个波段),最新的是200个波段,要修改这个地方。同时也要修改否则会报错未完待续…...原创 2020-07-06 21:37:45 · 388 阅读 · 0 评论 -
调程序感悟:Group lasso-based band selection for hyperspectral image classification
要想跑通这篇文章的程序,关键的三个点如下:1、一定记住!一定记住!一定记住!一定要提前装好Visual Studio(PS:之前嫌VS2017太占空间,所以卸载了,结果导致程序搞了一早上),因为跑这个代码的glmnet、libsvm两个工具包需要VS编译环境的支持。2、按照作者给出的链接我们可以下载好glmnet、libsvm的压缩包,然后将它们解压到MATLAB的工具包路径里面,这里需要你找到对应的文件夹进行操作。3、这一步很关键,否则前功尽弃,一定要记得将路径添加进来,并进行更新。保存---原创 2020-07-04 20:16:52 · 387 阅读 · 2 评论 -
代码仿真:Scalable One-Pass Self-Representation Learning for Hyperspectral Band Selection
代码仿真本篇的数据集加载的时候不是原始的数据集,而是经过作者处理过的数据集dataset_PaviaU.mat,数据集下载链接如下:(https://pan.baidu.com/s/1Ny5XRR0AZqCBTd_qZrY6-A). Code: 2cne如果读者需要仿真其他的数据集,就需要对原始数据集进行修改!接下来我们就以Indian_pines_corrected数据为例子来进行仿真。废话不多说,直接上干货。1、data1、将三维数据集换成二维原始数据为:经过如下命令:>>原创 2020-06-12 20:37:42 · 504 阅读 · 1 评论