文献

J-GLOBAL ID：201702269697989052   整理番号：17A0832658

埋め込み判別スパース性保存に基づくハイパースペクトル画像のスペクトル-空間分類【Powered by NICT】

Spectral-spatial classification of hyperspectral image based on discriminant sparsity preserving embedding

著者 (2件)： Han Min (Faculty of Electronic Information and Electrical Engineering, Dalian University of Technology, Dalian, China) ,  Zhang Chengkun (Faculty of Electronic Information and Electrical Engineering, Dalian University of Technology, Dalian, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 243  ページ： 133-141  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 過去数年,ハイパースペクトル画像分類におけるスパース表現の成功を示した。しかし,高い計算複雑性はその応用に対していくつかの懸念をもたらす。本論文では,判別スパース性保持埋込み(DSPE)と呼ばれる新しいスパース表現に基づく特徴抽出アルゴリズムは,スパースグラフを構築し,グラフ埋込みフレームワークに適用して提案した。提案したアルゴリズムは,主にスパースグラフ構築の段階,同一のクラスにおける学習サンプルだけを用いて,疎再構成時の再構成係数を計算しにおける教師つき情報をコードしていた。_1ノルムとL_ノルムを組み合わせた手法は再構成量を解くために適用した,l_1ノルムグラフ重みのスパース性を保証する,l_ノルムは建設をより安定にし,小型訓練サンプルが原因と考えられた再構成誤差を軽減するために重み係数を縮小する。満足すべき分類結果の前提として,ここで用いた提案アルゴリズムの効率を評価することである空間情報を考慮したスペクトル-空間分類戦略。インドマツとPavia大学ハイパースペクトル画像データセット上での実験を行い,提案したアルゴリズムの優位性を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： アルゴリズム ,  再構成 ,  ノルム ,  計算量 ,  学習 ,  *スペクトル ,  特徴抽出
準シソーラス用語： 空間情報 ,  重み係数 ,  グラフ埋込み ,  スパース表現 ,  *ハイパースペクトル画像 ,  *スパース性 , 【Automatic Indexing@JST】

著者キーワード (4件)： ハイパースペクトル画像 ,  グラフ埋込みフレームワーク ,  スパースグラフ構築 ,  スパース表現

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 埋め込み ,  判別 ,  スパース性 ,  保存 ,  ハイパースペクトル画像 ,  スペクトル ,  分類