文献

J-GLOBAL ID：201702235431372031   整理番号：17A0348791

ニューラルネットワークと差分探索に基づくハイパースペクトル画像の非線形混合【JST・京大機械翻訳】

Nonlinear hyperspectral unmixing algorithm based on neural network and differential search

著者 (5件)： Li Qiang (School of Electronic Information Engineering,Tianjin University) ,  Wang Xu (School of Electronic Information Engineering,Tianjin University) ,  Chen Lei (School of Electronic Information Engineering,Tianjin University) ,  Zhang Liyi (School of Electronic Information Engineering,Tianjin University) ,  Liu Jingguang (School of Electronic Information Engineering,Tianjin University)
資料名： Guangdianzi Jiguang  (Guangdianzi Jiguang)
巻： 27  号： 12  ページ： 1357-1364  発行年： 2016年 
JST資料番号： C2685A  ISSN： 1005-0086  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： 双線形混合モデル(BMM)に基づくハイパースペクトル画像勾配アルゴリズムの限界を克服するために,ニューラルネットワーク(NN)と差分探索アルゴリズム(DSA)に基づく非線形ハイパースペクトル画像のための混合アルゴリズムを提案する。実際のハイパースペクトル画像の非線形次数を,P次多項式モデルに基づき,NNを用いて推定した。目的関数を構築し,非線形混合問題を最適化問題に変換した。目的関数を最適化するためにDSAを導入し,混合のパラメータを差分探索プロセスにおける位置パラメータにマッピングし,同時に,非負性と非負性制約条件を探索プロセスに導入した。シミュレーションデータと実際のハイパースペクトルデータの実験結果は,提案したアルゴリズムが効果的にBMMに基づく勾配混合アルゴリズムの欠点を克服して,ハイパースペクトル画像の非線形混合を効果的に実現することができることを示した。NNは2000のサンプルを用いて訓練され,実際のハイパースペクトルデータからの再構成誤差(RE)は1.15×10(-2)に達し,良好な混合効果を示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 制約条件 ,  目的関数 ,  アルゴリズム ,  最適化問題 ,  再構成 ,  *ニューラルネットワーク ,  最適化
準シソーラス用語： ハイパースペクトルデータ ,  多項式モデル ,  次数 ,  探索アルゴリズム ,  勾配アルゴリズム ,  *ハイパースペクトル画像 ,  *差分 , 【Automatic Indexing@JST】

著者キーワード (5件)： hyperspectral images ,  nonlinear unmixing ,  neutral network (NN) ,  differential search algo-rithm (DSA) ,  p-order polynomial model

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ニューラルネットワーク ,  差分 ,  探索 ,  ハイパースペクトル画像 ,  非線形