Advertisement

常用的高光谱分类数据集（.mat 文件格式）压缩包

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

简介：
本压缩包包含多个常用高光谱图像分类数据集，格式为.mat文件，便于直接在Matlab等软件中加载使用，适用于科研与教学。 常用高光谱分类数据集包括Indian Pines、KSC、Purdue、DC、HOUSTON、Botswana和Salinas等，这些数据集在撰写论文时通常足够使用，并且是公开的；使用方法为格式全部为mat文件，在Python和Matlab上均可使用；建议尝试不同传感器的数据集以验证分类方法的有效性。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 常用的高光谱分类数据集（.mat 文件格式）压缩包
    优质
    本压缩包包含多个常用高光谱图像分类数据集，格式为.mat文件，便于直接在Matlab等软件中加载使用，适用于科研与教学。 常用高光谱分类数据集包括Indian Pines、KSC、Purdue、DC、HOUSTON、Botswana和Salinas等，这些数据集在撰写论文时通常足够使用，并且是公开的；使用方法为格式全部为mat文件，在Python和Matlab上均可使用；建议尝试不同传感器的数据集以验证分类方法的有效性。
     
  • Urban地区的高光谱解混数据集（.mat格式）
    优质
    本数据集提供了Urban地区详尽的高光谱影像信息，以.mat格式存储，适用于深入研究与分析地物类型及其分布特征。 高光谱解混数据集Urban是用于高光谱分离研究中的常用数据之一。该数据集包含307 x 307像素的图像，每个像素代表一个2 x 2平方米的区域。在该图中存在从400nm到2500nm波长范围内的光谱信息，并且以10纳米为间隔进行采样。然而，在通道1--4,76,87,101-111,136--153和198-210被移除后（因为这些区域受到密集水蒸气和大气效应的影响），图像保留了剩余的共162个波长通道。该数据集为科研提供了重要的支持。
     
  • 使用MATLAB读取MAT格式的高光谱数据
    优质
    本教程详细介绍如何利用MATLAB软件高效读取和处理MAT格式的高光谱数据文件，涵盖相关函数与代码示例。 由于文件大小限制，可以上传一个MAT格式的高光谱图像，并使用Matlab中的load函数进行读取。
     
  • 雄安新区高光谱遥感影像分类数据集（MAT格式已处理）
    优质
    本数据集包含雄安新区高光谱遥感影像的详细分类信息，经预处理后以MAT格式提供，适用于土地覆盖分析与环境监测研究。 雄安新区马蹄湾村的航空高光谱遥感影像分类数据集涵盖了400-1000nm范围内的250个波段，影像尺寸为3750×1580像元，空间分辨率为0.5米。同步进行实地调研的地类分布包括水稻茬、草地、榆树、白蜡、国槐、菜地、杨树、大豆、刺槐、水稻田、水体、柳树、复叶槭、栾树、桃树、玉米田、梨园和荷塘，共19种类型。
     
  • 常见的高光谱图像分类数据集
    优质
    本文章介绍了几种常见的高光谱图像分类数据集，涵盖了不同场景和应用需求，为研究者提供参考。 主要包括：Indian Pines；Pavia Centre；Pavia University；Salinas；Salinas-A；Washington_DC。
     
  • 科研用高光谱数据集（.mat,.csv）
    优质
    本数据集包含各类科研应用的高光谱图像和相关属性信息，以.mat和.csv格式存储，适用于遥感、材料识别等领域研究。 高光谱数据集在遥感及地球观测领域有着广泛应用的价值，它能够提供连续的波段光谱信息，并且每个波段对应特定电磁辐射频率的数据。本数据集中包含了两种格式：`.mat` 和 `.csv` 文件，主要用于科研和学术研究。 `.mat` 文件是 MATLAB 的原生数据存储类型，支持保存各种变量如数组、结构体及自定义函数等。在这种情况下，“avirissub.mat”文件可能包含原始的高光谱信息以及元数据（例如波段详情与传感器参数）。MATLAB 用户可以直接加载此文件进行进一步分析和处理。 `.csv` 文件是一种通用的数据交换格式，便于读写，并适合于不同软件之间的数据共享。“avirissub.csv”是从“avirissub.mat”转换而来，保留了原始数据结构。该文件尺寸为 145x145x220，意味着它包含有 145 行（代表空间中的像素）和同样数量的列，并且每一行前 220 列是特征信息，这些可能涵盖多个光谱波段反应地物对不同光线的响应。最后一列为标签值，共有 17 种类型，表明该数据集适用于多类分类任务如识别不同的土地覆盖。 高光谱数据分析通常包括以下步骤： 1. **预处理**：涉及去除噪声、纠正辐射和几何失真及归一化等操作以提升数据质量。 2. **特征选择**：从大量光谱特征中挑选出最具有区分性的波段或组合，以此减少计算复杂度并提高分类精度。 3. **特征提取**：通过主成分分析(PCA)、独立成分分析(ICA) 或稀疏表示等方法将原始数据转换至新的特征空间内。 4. **分类算法应用**：使用支持向量机(SVM)，随机森林(RF)或深度学习模型进行训练和预测。 5. **后处理评估**：通过混淆矩阵，Kappa系数等方式对分类结果进行评价，并优化模型参数。 在分析高光谱数据时还需注意以下几点： - **光谱分辨率**：指仪器能够区分的最小波长差值，直接影响特征敏感度； - **空间分辨率**：确定图像中单个像素代表地面区域大小的因素，影响分类精度； - **SNR（信噪比）**：衡量信号强度与噪声水平的比例关系，高 SNR 有助于获取更准确的信息。 此外，“avirissub_gt.mat”文件可能包含真实标签信息即已知类别标记。这在验证模型性能方面至关重要。研究人员利用此类数据集开发并比较不同分析方法以推动遥感技术的进步和发展。
     
  • 常用的MAT格式小型实验数据集RAR文件
    优质
    本RAR文件包含多个常用的小型MAT格式实验数据集，适用于算法测试和模型训练等场景，便于科研与教学使用。 在复杂网络（complex network）的链接预测领域（Link prediction）中，常用的小型实验数据集用于研究和验证算法。
     
  • 高光谱遥感图像分类数据集RAR文件
    优质
    该RAR文件包含用于训练和测试高光谱遥感图像分类算法的数据集，旨在促进准确的土地覆盖识别与分析研究。 高光谱遥感影像分类数据集适用于高光谱遥感影像的分类研究，在深度学习领域尤其常用，包括Botswana、Indian Pines、Pavia University等地的数据集。
     
  • MINST数据集的mat格式文件.7z
    优质
    本资源包含MINST数据集的MATLAB矩阵(.mat)格式文件，已压缩为.7z文件便于下载和存储。内含手写数字图像及其标签，适用于机器学习训练与测试。 MNIST手写数字图像数据库包含60000个训练集样本和10000个测试集样本，所有图片均为灰度图且大小统一为28*28像素。具体文件如下： - train_images.mat：包含60000张训练集图片 - train_labels.mat：对应于训练集中每一张图像的标签信息 - test_images.mat：包含10000张测试集图片 - test_labels.mat：对应于测试集中每一张图像的标签信息
     
  • 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。