文献

J-GLOBAL ID：201802263681423856   整理番号：18A0706888

ハイパースペクトル画像の分類のための教師付き幾何意識マッピング手法【JST・京大機械翻訳】

A Supervised Geometry-Aware Mapping Approach for Classification of Hyperspectral Images

著者 (3件)： Mohanty Ramanarayan (Advanced Technology Development Center, IIT Kharagpur, Kharagpur, India) ,  Happy S. L. (Department of Electrical Engineering, IIT Kharagpur, Kharagpur, India) ,  Routray Aurobinda (Department of Electrical Engineering, IIT Kharagpur, Kharagpur, India)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 15  号： 4  ページ： 582-586  発行年： 2018年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
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： ハイパースペクトル(HS)データ点間の適切なクラス識別の欠如は,HS分類における潜在的な挑戦をもたらす。この問題に対処するために,本論文は分類精度を強化するための最適な幾何学的認識変換を提案した。この方法の基礎となるアイデアは,データの固有の幾何学的構造に基づく非線形目的関数を解くことにより線形射影行列を得ることである。目的関数を構築し,投影データ空間上の異種クラスからの点間の識別を定量化した。次に,得られた射影行列を用いて,データをより識別可能な空間に線形に写像した。提案した変換の有効性を,3つのベンチマーク実世界HSデータセットで例示した。実験により,投影識別空間上の分類および次元縮小法は,元の空間におけるそれらの対応物より優れていることを明らかにした。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 線形性 ,  *幾何学 ,  目的関数 ,  ベンチマーク ,  次元縮小
準シソーラス用語： 分類精度 ,  *ハイパースペクトル ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： ハイパースペクトル画像 ,  分類 ,  教師 ,  幾何 ,  意識 ,  マッピング ,  手法