文献

J-GLOBAL ID：201702264879823041   整理番号：17A1350341

高スペクトル次元データ分類と可視化のための基づくオートエンコーダ【Powered by NICT】

Auto-Encoder Based for High Spectral Dimensional Data Classification and Visualization

著者 (5件)： Zhu Jiang ,  Wu Lingda ,  Hao Hongxing ,  Song Xiaorui ,  Lu Yi
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DSC  ページ： 350-354  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 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】

シソーラス用語： *可視化 ,  簡素化 ,  イタリア共和国 ,  データ処理 ,  多層膜 ,  *スペクトル次元 ,  線形性 ,  前処理 ,  アルゴリズム ,  特徴抽出
準シソーラス用語： AVIRIS ,  ロジスティック回帰分析 ,  *データ分類 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  音声処理  (JE05000E)

タイトルに関連する用語 (4件)： スペクトル次元 ,  データ分類 ,  可視化 ,  オートエンコーダ