文献

J-GLOBAL ID：202002277235188614   整理番号：20A1341682

データ融合のための局所近傍重みによる結合非負行列因数分解【JST・京大機械翻訳】

Coupled Nonnegative Matrix Factorization With Local Neighborhood Weights For Data Fusion

著者 (1件)： Erturk Alp (Kocaeli University Laboratory of Image and Signal Processing,Turkey)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： M2GARSS  ページ： 41-44  発行年： 2020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： 非混合ベースのハイパースペクトル(HS)の多重スペクトル(MS)データ融合は,データ融合文献への比較的最近の追加であり,ロバストで安定した性能を提供することが示されている。結合非負行列因数分解(CNMF)は,点広がり関数(PSF)とスペクトル応答関数(SRF)によって結果を関連しながら,HSとMSデータの交互非混合に基づく非混合ベースデータ融合法である。しかし,十分に確立されたCNMF法はHSとMSデータのスペクトル情報のみを操作し,データの空間分布を無視する。本論文は,局所近傍重みに基づいて,CNMFフレームワークの下で非混合ベース融合における豊度のために使用する更新規則への空間情報の統合を提案した。提案方法は,融合プロセスへの空間情報の統合が融合性能の強化をもたらすことを明らかにした。Copyright 2020 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： 空間分布 ,  スペクトル ,  応答関数 ,  点像分布関数 ,  ロバスト性 ,  *データ融合
準シソーラス用語： 空間情報 ,  ハイパースペクトル ,  多重スペクトル ,  *非負行列因子分解 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： データ融合 ,  近傍 ,  非負行列因数分解