文献

J-GLOBAL ID：201702259738559065   整理番号：17A1772166

ハイパースペクトルバンド選択のための高速でロバストな自己表現法【Powered by NICT】

Fast and Robust Self-Representation Method for Hyperspectral Band Selection

著者 (5件)： Sun Weiwei (Department of Geography and Spatial Information Techniques, Ningbo University, Ningbo 315211, China) ,  Tian Long (Department of Electrical and Computer Engineering, Mississippi State University, Starkville, MS, USA) ,  Xu Yan (Department of Electrical and Computer Engineering, Mississippi State University, Starkville, MS, USA) ,  Zhang Dianfa (Department of Geography and Spatial Information Techniques, Ningbo University, Ningbo, China) ,  Du Qian (Department of Electrical and Computer Engineering, Mississippi State University, Starkville, MS, USA)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 10  号： 11  ページ： 5087-5098  発行年： 2017年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  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,ハイパースペクトル画像(HSI)からの適切なバンドサブセットを選択するために提案した高速でロバストな自己表現(FRSR)法。FRSRはHSIバンドセットの分離構造を仮定し,分離可能非負行列因子分解の問題を変換するロバストな自己表現(RSR)モデル。FRSRは計算効率を改善するためのRSRモデルに構造化ランダム射影を組み込んでいる。FRSRの解は凸問題を最適化に定式化し,拡張Lagrange乗数をFRSRにおける適切な因数分解局在化マトリックスを推定するために採用した。バンドサブセットは因数分解局在マトリックスのr最大対角エントリに対応するバンドによって構成されている。実験結果はFRSRは低い計算コストで分類精度において最先端技術より優れていることを示した。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： 凸形 ,  最適化 ,  *ロバスト性 ,  Lagrange乗数法 ,  因数分解 ,  構造形成 ,  *高速度 ,  定式化 ,  射影
準シソーラス用語： 分類精度 ,  計算コスト ,  局在化 ,  計算効率 ,  非負行列因子分解 ,  ハイパースペクトル画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： ロバスト ,  自己表現