基于 MALNISI 的图构建和基于加权对比损失的 GAT，用于 HSI 中的无监督表示学习

原文：MALNISI-Infused Graph Construction and Weighted Contrastive Loss based GAT for Unsupervised Representation Learning in HSI

由于高维信息，高光谱图像（HSI）在土地利用方面具有辨别光谱特征。最近，使用图神经网络的无监督表示学习揭示了这些特定于利用的复杂谱关系。本文有三个主要贡献。首先，它提出了一个指标，Mean Absolute Local Neighborhood Inv

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。