文献

J-GLOBAL ID：201702290738187931   整理番号：17A0195200

ハイパースペクトルリモートセンシングデータの特徴抽出のために,最近傍の再構成分析を適用した。【JST・京大機械翻訳】

Feature extraction of hyperspectral remote sensing data using supervised neighbor reconstruction analysis

著者 (4件)： Fang Min (College of Science, Sichuan University of Science & Engineering) ,  Wang Jun (College of Science, Sichuan University of Science & Engineering) ,  Wang Hongyan (College of Science, Sichuan University of Science & Engineering) ,  Li Tianya (College of Science, Sichuan University of Science & Engineering)
資料名： Hongwai yu Jiguang Gongcheng  (Hongwai yu Jiguang Gongcheng)
巻： 45  号： 10  ページ： 1028003-1-1028003-8  発行年： 2016年 
JST資料番号： C2521A  ISSN： 1007-2276  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ハイパースペクトルリモートセンシングデータの特徴抽出方法の研究に対して、新しい監督近隣再構成分析(SUPERVISEDNEIGHBORRECONSTRUCTIONANALYSIS,SNRA)アルゴリズムを提案した。まず第一に,同じクラスの近傍データ点を用いて,各データ点を再構築した。次に,低次元埋込み空間において,この再構成関係を維持することによって,開非の類似データ点をできるだけ分離し,そして,全体の分散行列を用いて,データ間の相関を制約した。最後に,最適射影行列を得て,次に,識別特性を抽出した。SNRAアルゴリズムは,同じ種類のデータの局所構造を維持するだけではなく,非類似データの分離可能性を強化するだけではなく,データの冗長性も減少させる。INDIANPINEとKSCハイパースペクトルリモートセンシングデータセットに関する実験結果は,以下を示す。提案した方法は,ハイパースペクトルリモートセンシングデータの固有の特性をより良く理解し,より効果的な識別特性を抽出し,分類効果を改善した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *特徴抽出 ,  構成方程式 ,  冗長性 ,  *再構成 ,  アルゴリズム
準シソーラス用語： 分離可能性 ,  局所構造 ,  射影行列 ,  低次元 , 【Automatic Indexing@JST】

著者キーワード (5件)： hyperspectral remote sensing data classification ,  feature extraction ,  supervised learning ,  neighbor reconstruction ,  total scatter matrix

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 (4件)： ハイパースペクトルリモートセンシング ,  特徴抽出 ,  再構成 ,  分析