文献

J-GLOBAL ID：201802212639238342   整理番号：18A1072875

テンソルスパースおよび低ランクグラフベース判別分析によるハイパースペクトル次元縮小【JST・京大機械翻訳】

Hyperspectral Dimensionality Reduction by Tensor Sparse and Low-Rank Graph-Based Discriminant Analysis

著者 (6件)： Pan Lei (School of Information Science & Technology, Southwest Jiaotong University, Chengdu 610031, China) ,  Li Heng-Chao (School of Information Science & Technology, Southwest Jiaotong University, Chengdu 610031, China) ,  Deng Yang-Jun (School of Information Science & Technology, Southwest Jiaotong University, Chengdu 610031, China) ,  Zhang Fan (College of Information Science & Technology, Beijing University of Chemical Technology, Beijing 100029, China) ,  Chen Xiang-Dong (School of Information Science & Technology, Southwest Jiaotong University, Chengdu 610031, China) ,  Du Qian (Department of Electrical & Computer Engineering, Mississippi State University, Starkville, MS 39762, USA)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 5  ページ： 452  発行年： 2017年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 最近,スパースで低ランクのグラフベース判別分析(SLGDA)は,ハイパースペクトル画像(HSI)次元縮小(DR)において満足な結果をもたらし,そのために,スパース性と低ランク性を同時に課し,ハイパースペクトルデータの局所的および大域的構造の両方を捉える。しかしながら,SLGDAは空間情報を利用できない。本論文では,この問題に対処するために,テンソルスパースおよび低ランクグラフベース判別分析(TSLGDA)を提案した。三次テンソルとしてのハイパースペクトルデータキューブに関して,訓練サンプルに中心を持つ小さな局所パッチを,構造情報を維持するためにTSLGDAフレームワークに対して抽出し,より識別的なグラフを得た。次に,次元縮小を,データ冗長性を減少させるために,テンソル訓練および試験サンプル上で実行した。3つの実世界ハイパースペクトルデータセットの実験結果は,提案したTSLGDAアルゴリズムが,最先端のDR法と比較して,低次元空間における分類性能を大幅に改善することを実証した。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *判別分析 ,  冗長性 ,  アルゴリズム ,  *テンソル ,  *次元縮小 ,  *グラフ
準シソーラス用語： 低次元 ,  最先端 ,  空間情報 ,  ハイパースペクトルデータ ,  スパース性 ,  ハイパースペクトル画像 ,  *ハイパースペクトル , 【Automatic Indexing@JST】

著者キーワード (4件)： ハイパースペクトル画像 ,  スパースおよび低ランクグラフ ,  テンソル ,  次元縮小

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

引用文献 (37件)：

• He, Z.; Li, J.; Liu, L. Tensor block-sparsity based representation for spectral-spatial hyperspectral image classification. Remote Sens. 2016, 8, 636.
• Peng, B.; Li, W.; Xie, X.M.; Du, Q.; Liu, K. Weighted-fusion-based representation classifiers for hyperspectral imagery. Remote Sens. 2015, 7, 14806-14826.
• Yu, S.Q.; Jia, S.; Xu, C.Y. Convolutional neural networks for hyperspectral image classification. Neurocomputing 2017, 219, 88-98.
• Jimenez, L.O.; Landgrebe, D.A. Supervised classification in high-dimensional space: Geometrical, statistical, and asymptoticla properitier of multivariate data. IEEE Trans. Syst. Man Cybern. Part C Appl. Rev. 1998, 28, 39-54.
• Chang, C.-I.; Safavi, H. Progressive dimensionality reduction by transform for hyperspectral imagery. Pattern Recognit. 2011, 44, 2760-2773.

タイトルに関連する用語 (5件)： テンソル ,  グラフ ,  判別分析 ,  ハイパースペクトル ,  次元縮小