文献

J-GLOBAL ID：202002283301621075   整理番号：20A2540598

ハイパースペクトル異常検出のための教師なしスペクトルマッピングと特徴選択

Unsupervised spectral mapping and feature selection for hyperspectral anomaly detection

著者 (7件)： Xie Weiying (State Key Laboratory of Integrated Service Networks, Xidian University, Xi’an 710071, China) ,  Li Yunsong (State Key Laboratory of Integrated Service Networks, Xidian University, Xi’an 710071, China) ,  Lei Jie (State Key Laboratory of Integrated Service Networks, Xidian University, Xi’an 710071, China) ,  Yang Jian (State Key Laboratory of Integrated Service Networks, Xidian University, Xi’an 710071, China) ,  Li Jiaojiao (State Key Laboratory of Integrated Service Networks, Xidian University, Xi’an 710071, China) ,  Jia Xiuping (School of Engineering and Information Technology, The University of New South Wales, Canberra, ACT 2600, Australia) ,  Li Zhen (Institute of Spacecraft System Engineering, CAST, Beijing 100094, China)
資料名： Neural Networks  (Neural Networks)
巻： 132  ページ： 144-154  発行年： 2020年12月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 未知空間または材料種にブレークスルーする技術は,軍事および民間分野にとってかなり重要であり,事前情報なしでは挑戦的なタスクである。今日,未知物を検出するための材料特異的スペクトル情報の利用は,関心が増加している。しかしながら,ノイズと干渉によって影響されて,高次元ハイパースペクトル異常検出は,高い検出精度と低い誤警報率の要求を満たすのが難しい。そのうえ,不十分で不均衡なサンプルの問題がある。これらの問題に取り組むために,教師なし方式でスペクトルマッピングと特徴選択(SMFS)に基づく新しいハイパースペクトル異常検出フレームワークを提案した。SMFSは,高次元スペクトル空間から低次元深層特徴空間への非線形写像関係を構築するために,教師なしニューラルネットワークにハイパースペクトルデータの本質的特性を導入する。そして,それは立位異常のために候補特徴空間から最適特徴部分集合を探索する。符号器の説得力のある特性化のため,隠れデータを明らかにするために,スペクトルシグネチャに対して特にそれを開発した。実際のハイパースペクトルデータセットに関する定量的および定性的実験は,提案方法が,高次元性と限られたサンプルによって引き起こすノイズ,干渉,冗長性および時間消費の問題を克服するコンパクトな特徴を提供できることを示した。そして,それは,種々のスケールの異常の検出に関して,いくつかの最先端の競争者に関して利点を持った。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *ニューラルネットワーク ,  *機械学習 ,  評価試験 ,  スペクトル ,  *特徴抽出 ,  教師なし学習 ,  雑音 ,  検出 ,  標本抽出
準シソーラス用語： サンプリング【統計】 ,  ノイズ ,  ハイパースペクトル ,  異常検出 ,  軍事

著者キーワード (4件)： 教師なしニューラルネットワーク ,  スペクトルマッピング ,  特徴選択 ,  ハイパースペクトル異常検出

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： ハイパースペクトル ,  異常検出 ,  教師 ,  スペクトル ,  マッピング ,  特徴選択