文献

J-GLOBAL ID：202002278781275665   整理番号：20A2463930

衛星遠隔測定データの加重主成分分析融合【JST・京大機械翻訳】

Weighted principal component analysis fusion of satellite telemetry data

著者 (3件)： King Eric (Univ. of North Texas (United States)) ,  Depoian Arthur C. (Univ. of North Texas (United States)) ,  Bailey Colleen P. (Univ. of North Texas (United States))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11529  ページ： 1152904-7  発行年： 2020年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 衛星は,地球表面について複数のタイプの光データを中継できる多様なセンサアレイを備えている。用いた異なるセンサは,特定の関心領域に対して,様々なレベルの詳細を捉えることができる。赤外から可視スペクトルまでの範囲のセンサから収集した情報を結合することは,データの可視化と深さを高めることができる。データ融合への主成分分析(PCA)の応用は,伝統的に重みづけ信頼性マトリックスによって処理される。本論文では,衛星から得た複合情報のよりロバストな可視化を生成するデータ融合品質を改善するために,拒絶制御PCAベースセンサアルゴリズムによる新しい重み付け信頼性を示した。提案アルゴリズムはL_2とL_1PCAの両方を用いて適用できる。シミュレーション研究は,高レベルの崩壊の下でさえ,提案した制御加重融合法を検証した。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  可視スペクトル ,  シミュレーション ,  赤外線 ,  信頼性 ,  遠隔測定 ,  可視化 ,  センサ ,  重みづけ ,  *主成分分析 ,  ロバスト性 ,  地表面 ,  センサアレイ ,  データ融合
準シソーラス用語： 関心領域 , 【Automatic Indexing@JST】

分類 (5件)： リモートセンシング一般  (AD04000L) ,  計測機器一般  (AD02000X) ,  海洋物理学一般  (DC06010K) ,  情報処理一般  (JE15010U) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 衛星 ,  遠隔測定 ,  加重 ,  主成分分析 ,  融合