文献

J-GLOBAL ID：201902269083998576   整理番号：19A0527096

線形混合モデルにおける半教師つきハイパースペクトル非混合のための新しいBayesアプローチ【JST・京大機械翻訳】

New Bayesian approach for semi-supervised hyperspectral unmixing in linear mixing models

著者 (2件)： Amiri Fahime (School of Electrical Engineering, Iran University of Science and Technology, Tehran, Iran, 1684613114) ,  Kahaei Mohammad Hossein (School of Electrical Engineering, Iran University of Science and Technology, Tehran, Iran, 1684613114)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICEE  ページ： 1752-1756  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： 本論文において,Bayesフレームワークアルゴリズムをハイパースペクトル画像非混合のために表現した。付加Gauss雑音を各ハイパースペクトル画素で考慮した。エンドメンバーの非常に大きなスペクトル辞書を利用できると仮定した。一方,実際には,各画素はスペクトル辞書の多数のエンドメンバーと比較して少数の材料により提示でき,豊富なベクトルはスパースベクトルとなる。著者らは,豊度ベクトルを実証するために事前にスパースDirichletを提案した。このように,提案した方法は,各画素における正確な既存のエンドメンバが未知であると共に,教師つき問題と同様に,半教師なしの非混合問題に対して適切に使用できる。豊度と雑音分散の導出されたジョイントの複雑さのために,Gibbsサンプラを用いて,豊度を抽出した。シミュレーションデータに関する実験結果は,均一分布と比較して,正確な非混合に対して提案した前の能力を実証した。Copyright 2019 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： 雑音 ,  ベクトル ,  アルゴリズム ,  シミュレーション ,  Gauss雑音 ,  *スペクトル ,  画素
準シソーラス用語： 一様分布 ,  複雑性 ,  スパース ,  ハイパースペクトル画像 ,  *ハイパースペクトル ,  一般化線形混合モデル , 【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 (3件)： 線形混合モデル ,  教師 ,  ハイパースペクトル