文献

J-GLOBAL ID：201702272319281909   整理番号：17A1351569

ハイパースペクトル画像セグメンテーションのための特徴還元ファジィ共クラスタリングアルゴリズム【Powered by NICT】

Feature-reduction fuzzy co-clustering algorithm for hyperspectral image segmentation

著者 (3件)： Pham Van Nha (Department of Information Systems, Le Quy Don Technical University, 236 Hoang Quoc Viet, Hanoi, Vietnam) ,  Ngo Long Thanh (Department of Information Systems, Le Quy Don Technical University, 236 Hoang Quoc Viet, Hanoi, Vietnam) ,  Nguyen Thao Duc (MIST Institute of Science and Technology, Hoang Sam, Hanoi, Vietnam)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： FUZZ-IEEE  ページ： 1-6  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： ファジィ共クラスタリングアルゴリズムは,複雑なデータをクラスタリングするための効果的な技術と考えられている,高次元と大きなサイズである。一般に,データオブジェクトの特徴は,同じ重要性を考察した。しかし,実際には特徴はデータ解析において異なる役割をもつそれらのいくつかはデータセットのための個々の症例における冗長性と考えられている。これらの特徴の次元縮小,データ処理アルゴリズムの性能を改善する必要がある,のための方法である。本論文では,特徴還元ファジィ共クラスタリング(FRFCoC)と呼ばれる改良されたファジィ共クラスタリングアルゴリズム,特徴量の重みを自動的に計算を提案し,データ処理のそれらをした。特徴重み付きエントロピーを持つFCoCアルゴリズムの目的関数を考慮し,目的関数の成分のための学習手順を構築し,小さい重みを用いて無関係な特徴を除去することにより,データの次元を減少させた。実験は,ロバストな評価指標を用いた合成データ集合とハイパースペクトル画像で実施した。実験を行いその結果,提案アルゴリズムを従来のアルゴリズムより優れていたを示した。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： *曖昧さ ,  目的関数 ,  冗長性 ,  *クラスタ化 ,  学習 ,  次元縮小 ,  高次元 ,  データ処理 ,  エントロピー ,  データ解析 ,  *アルゴリズム
準シソーラス用語： *ハイパースペクトル画像 ,  *クラスタリングアルゴリズム ,  *画像セグメンテーション ,  *ハイパースペクトル , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ハイパースペクトル画像 ,  セグメンテーション ,  還元 ,  ファジィ ,  クラスタリングアルゴリズム