文献

J-GLOBAL ID：201702270599994354   整理番号：17A0379326

ハイパースペクトルアンミキシングのためのランダムH adamard予測【Powered by NICT】

Random Hadamard Projections for Hyperspectral Unmixing

著者 (3件)： Menon Vineetha (Department of Electrical and Computer Engineering, Mississippi State University, Mississippi State, MS, USA) ,  Du Qian (Department of Electrical and Computer Engineering, Mississippi State University, Mississippi State, MS, USA) ,  Fowler James E. (Department of Electrical and Computer Engineering, Mississippi State University, Mississippi State, MS, USA)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 14  号： 3  ページ： 419-423  発行年： 2017年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： ランダム射影に基づく次元縮小は非混合正確度と計算効率に向けた目的を用いたハイパースペクトル画像のスペクトル非混合との関連で調べた。この目的のために,Hadamardベースランダム射影 より伝統的なGauss駆動予測に関する計算コストを大幅に減少させる と同様にランダム射影空間内に配置された高速特異値分解を考察した。実験結果は,Hadamardランダム射影に基づく方法は,著しく低減した計算複雑さと結合した他の方法より優れている豊度推定性能を提供することを明らかにした。Copyright 2017 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： 高速度 ,  射影 ,  *スペクトル ,  特異値分解 ,  次元縮小 ,  計算量
準シソーラス用語： 射影空間 ,  計算コスト ,  ハイパースペクトル画像 ,  計算効率 ,  *ハイパースペクトルアンミキシング , 【Automatic Indexing@JST】

分類 (4件)： 信号理論  (ND02020G) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  計算理論  (JB02000A)

タイトルに関連する用語 (2件)： ハイパースペクトルアンミキシング ,  予測