文献

J-GLOBAL ID：201802256049068221   整理番号：18A0586214

ハイパースペクトル画像分類のための改良型Schroedinger固有マップ射影アルゴリズム【Powered by NICT】

Modified Schroedinger Eigenmap Projections Algorithm for Hyperspectral Imagery Classification

著者 (3件)： Fejjari Asma ,  Ettabaa Karim Saheb ,  Korbaa Ouajdi
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： AICCSA  ページ： 809-814  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： Schroedinger Eigenmap射影(SEP)はハイパースペクトル画像のための十分に確立された次元縮小技術であるSchroedinger Eigenmap(SE)法の線形近似が実際に。SEPアプローチは,隣接グラフは地上物体のデータ点の数を考慮することなく事前に生成される局所性保存射影(LPP)アルゴリズムに基づいている。これはハイパースペクトル削減と分類プロセスに負に影響できる。本論文では,問題を解決するために,筆者らは元のLPPの代わりに修飾したLPP(MLPP)と呼ばれるLPPの変種を採用した。MLPPは,各データ点に対して近傍の数を適応的に選択することができる隣接グラフを生成する適応戦略を採用した。提案した特徴抽出法は,MLPPフレームワークにおけるSchroedinger演算子を用いた。インドマツシーンを本研究のために使用した。分類結果は,SEPと他の次元縮小法による効果的な分類精度を示した。Copyright 2018 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： 次元縮小 ,  特徴抽出 ,  局所性 ,  *射影 ,  *アルゴリズム
準シソーラス用語： 分類精度 ,  近傍 ,  *ハイパースペクトル ,  線形近似 ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

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 (5件)： ハイパースペクトル画像分類 ,  固有 ,  マップ ,  射影 ,  アルゴリズム