RBF压缩算法

高光谱处理提速13.8%

一种深度学习径向基函数压缩算法，通过高光谱数据降维，在保持识别精度（F1≈0.95）的同时提升石材文物劣化识别效率。

Lixin, Peng · Bo, Wu · 杨海清 · Xingyue, Li

Expert Systems with Applications 2025

参数信息

识别模型F1-score

0.95

识别准确率平均提升

1.4 %

整体识别效率提升

13.8 %

识别模型训练时间平均减少

4.7 %

识别时间平均减少

9.1 %

技术优势

整体识别效率提升13.8%

对高光谱数据进行压缩，实现了从数据采集到识别的全流程加速。

识别时间减少9.1%

压缩后的数据维度更低，识别模型处理更快，实现更及时的劣化检测。

训练时间减少4.7%

降维后训练样本的空间变小，模型收敛需要更少的计算时间。

应用场景

• 光谱图像处理：在保持识别精度的同时降低高光谱数据维度，提升处理效率。
• 文化遗产保护：实现石质文物劣化的自动识别与监测，替代人工判断。
• 无损检测：基于高光谱的无损检测方案，不接触文物表面即可识别劣化。