文献

J-GLOBAL ID：201602279425515139   整理番号：16A0584987

インクリメンタルなスパースBayes学習による改良された属性散乱モデルの最適化【Powered by NICT】

An Improved Attributed Scattering Model Optimized by Incremental Sparse Bayesian Learning

著者 (5件)： Zenghui Li (Dept. of Electron. Eng., Tsinghua Univ., Beijing, China) ,  Kan Jin (Dept. of Electron. Eng., Tsinghua Univ., Beijing, China) ,  Bin Xu (Dept. of Electron. Eng., Tsinghua Univ., Beijing, China) ,  Wei Zhou (Dept. of Electron. Eng., Tsinghua Univ., Beijing, China) ,  Jian Yang (Dept. of Electron. Eng., Tsinghua Univ., Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 54  号： 5  ページ： 2973-2987  発行年： 2016年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,いくつかの正準プリミティブの散乱モデルを統一数学的に改良された起因散乱モデルを提案した。これらプリミティブは,点と線セグメント散乱体だけでなく,三面体,円筒,二面,長方形平面でなく,アーク散乱体のような球とトップハットなど。モデルパラメータの推定は,たちの悪い線形逆問題と見なすことができる。不完全提起を克服するために,ここでは,インクリメンタルスパースBayes学習法は,スパーシティ駆動連続パラメータ推定を実現した。逆散乱実験は,提案した方法はターゲット散乱応答の望ましいスパース表現を提供するだけでなく,既存のモデルよりもより豊富な幾何学的情報を捉えることができることを実証した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 線形性 ,  円筒 ,  逆問題 ,  *散乱 ,  *透視図法 ,  アーク放電 ,  パラメータ推定 ,  *最適化 ,  散乱体
準シソーラス用語： スパース表現 ,  逆散乱 ,  モデルパラメータ ,  *Bayes学習 ,  *スパー , 【Automatic Indexing@JST】

著者キーワード (5件)： スパースBayes学習(SBL) ,  属性散乱モデル(ASM) ,  改善された属性散乱モデル(IASM) ,  インクリメンタルなスパースBayes学習(ISBL) ,  逆散乱

分類 (1件)： リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (5件)： Bayes学習 ,  属性 ,  散乱 ,  モデル ,  最適化