.png){kind=icon}
返回
Conditional variational autoencoder ensemble for noisy hyperspectral image classification
.png){kind=icon}
OA
AI
DOI：10.1016/j.optlastec.2025.114602.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出一种用于噪声高光谱图像分类的CVAE2框架。
• 设计一种标签感知的CVAE与集成学习相结合以增强稳定性。
• 引入一种结合重构误差和分类置信度的置信度度量。
• 在四个基准数据集上不同噪声水平下实现卓越的鲁棒性。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
O
IF:
0
论文数:
880
被引数:
0
机构
引用论文
Remote Sensing Image Super-Resolution Using Sparse Representation and Coupled Sparse Autoencoder
PREAI
分享收藏Dual spectral-spatial residual adaptive network for hyperspectral image classification in the presence of noisy labels双谱-空间残差自适应网络：在存在噪声标签的高光谱图像分类中的应用OAAI
OAAI分享收藏Local-global routing between capsules for hyperspectral image classification with noisy labels胶囊间的局部-全局路由用于带噪声标签的高光谱图像分类
PREAI
分享收藏3D convolutional auto-encoder based multi-scale feature extraction for point cloud registration
PREAI
分享收藏Deep support vector machine for hyperspectral image classification基于深度支持向量机的高光谱图像分类.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏A systematic review of hyperspectral imaging in precision agriculture: Analysis of its current state and future prospects高光谱成像在精准农业中的系统综述: 现状分析与未来展望
OAAI
OAAI分享收藏分享收藏
查看更多内容