Advertisement

高光谱异常检测常用的数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本数据集包含多种地物的高光谱图像，旨在支持高光谱遥感中的异常目标检测研究。适用于算法开发与性能评估。 高光谱异常检测常用的数据集包括 airport-beach-urban、HYDICE 和 sandiego。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 高光谱异常检测常用的数据集
    优质
    本数据集包含多种地物的高光谱图像，旨在支持高光谱遥感中的异常目标检测研究。适用于算法开发与性能评估。 高光谱异常检测常用的数据集包括 airport-beach-urban、HYDICE 和 sandiego。
     
  • 常用的高光谱异常检测数据集ABU
    优质
    ABU是常用的一种高光谱图像异常检测数据集，包含大量的背景像素和分散其中的多种目标，广泛应用于算法测试与性能评估。 常用高光谱异常检测数据集之一是ABU数据集。
     
  • 高光谱异常检测数据集
    优质
    高光谱异常检测数据集是一套用于识别与背景环境在化学或物理特性上存在显著差异的目标或区域的数据集合，广泛应用于矿物勘探、环境保护及军事侦察等领域。 本资源包含高光谱异常探测工作中常用的两组数据集：圣地亚哥机场数据和HYDICE数据集。这些数据均为mat格式，并包含了真实异常分布图。
     
  • 高光谱异常检测合成数据集
    优质
    本数据集专为高光谱图像中的异常检测设计，包含大量人工合成样本，旨在提升算法在复杂背景下的识别精度与鲁棒性。 分享了一个高光谱异常探测合成数据集，尺寸为120x120像素，主要用于高光谱图像的异常检测。如有需要，请自行下载使用，并参考文件中的论文描述进行引用。相关代码可在本人分享资源处下载。
     
  • HyperRX.zip: 高光谱RX异常检测
    优质
    HyperRX.zip是一款先进的高光谱图像处理工具包，专为识别和分析复杂场景中的异常目标而设计。利用创新的RX算法，它能够精确地从背景中分离出感兴趣的目标区域，广泛应用于遥感、军事侦察及环境监测等领域。 高光谱图像异常检测算法中的全局RX算法实现。
     
  • 常用的异常检测数据集
    优质
    本数据集集合了多种常见的用于异常检测的研究数据，涵盖网络、传感器、医疗等领域，为算法开发与性能评估提供支持。 异常检测常用的一些数据集包括信用卡欺诈交易记录、网络入侵日志以及工业传感器读数等。这些数据集通常包含大量正常操作的数据点，并且掺杂着少量的异常事件，用于训练机器学习模型识别不寻常的行为或模式。研究人员和工程师可以利用这些资源来开发更有效的算法以提高系统的安全性和可靠性。
     
  • 常用的异常检测数据集
    优质
    本数据集合汇集了广泛使用的异常检测测试集合，涵盖网络、系统日志、传感器等多种类型的数据源，旨在促进异常检测算法的研究与开发。 异常检测常用的一些数据集包括信用卡欺诈检测、网络入侵识别以及工业设备故障预警等领域中的公开数据集。这些数据集通常包含正常行为的数据样本与异常事件的标记，便于研究者进行模型训练及性能评估。
     
  • 改进的高光谱异常检测算法LSAD
    优质
    简介：LSAD是一种经过优化的高光谱异常检测算法，旨在提高在复杂背景下的异常目标识别精度和效率。相较于传统方法，该算法通过引入新的特征选择机制和分类策略，有效提升了检测性能，在多种测试场景中展现出优越性。 Local Summation Anomaly Detection 是一种高光谱异常检测算法，并且有相应的 MATLAB 代码实现。
     
  • 基于KRX算法的高光谱异常检测方法
    优质
    本研究提出了一种基于KRX算法的高光谱图像异常检测技术，通过优化异常检测过程中的特征选择和分类器设计，显著提升了复杂背景下的小目标识别精度。 在MATLAB中实现高光谱异常检测KRX算法主要是参照《Kernel RX-Algorithm: A Nonlinear Anomaly Detector for Hyperspectral Imagery》这篇英文原文进行的。