-
本示例的MATLAB代码-HRWN展示了如何实现综述中所述的方法，即利用分层随机游走与深度CNN架构联合对高光谱和LiDAR数据进行分类
资源介绍
数据融合matlab代码用于高光谱和LiDAR分类的分层随机行走网络
本示例实现了本文的综述[使用分层随机游走和深度CNN架构对高光谱和LiDAR数据进行联合分类]
使用分层随机游走和深层CNN架构的高光谱和LiDAR数据的联合分类方法。
达到了很高的分类精度。
对休斯顿，特伦托和MUUFL的数据集进行了评估。
先决条件
Python
2.7或3.6
配套
pip
install
-r
requirements.txt
用法
数据集链接
在2013年IEEE
GRSS数据融合竞赛中引入了Houston数据集。
数据集链接来自
作者要感谢P.
Ghamisi博士提供了Trento数据。
可以从获得MUUFL
Gulfport高光谱和LIDAR数据[1]
[2]。
[1]
P.
Gader，A。Zare，R。Close，J。Aitken，G。Tuell，“
MUUFL湾港高光谱和LiDAR机载数据集”，佛罗里达大学，盖恩斯维尔，佛罗里达州，技术。
代表REP-2013-570，2013年10月。
[2]
X.
Du和A.
Zare，“技术报告：MUUFL
Gulfport数据集的场景标签地