抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
表面物体の分類と可視化は高スペクトル次元データ処理のための多くの注目を集めている。多くの方法が過去10年間に提案し,この問題であった。それらの大部分はまだいくつかの挑戦課題が存在し,前処理fussilyを含んでいるが,特徴抽出を簡素化し,困難処理より大きなデータと不正確に分類。これらの問題を解決するために,最大ノイズフラクション(MNF)と多層膜オートエンコーダを組み合わせた深い学習に対する新しい方法塩基を提案した。その中,MNFを用いて,高スペクトル次元データの固有のスペクトル次元を低減することである;オートエンコーダとソフトマックスロジスティック回帰関数は,高レベル特徴を抽出し,物体の種類を可視化するために適用した。実験について,インドマツ上の200バンドAVIRISデータセットとイタリアPaviaで103バンドROSISデータセットを用いて伝統的な線形SVM法と比較した。結果本論文では,アルゴリズムが統計的に有意に分類と可視化の精度と効率を改善することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】