文献

J-GLOBAL ID：202102243917522101   整理番号：21A0008868

ハイパースペクトルデータの次元縮小のためのUMAPの利用【JST・京大機械翻訳】

Using UMAP for Dimensionality Reduction of Hyperspectral Data

著者 (1件)： Myasnikov E. (Samara University,Geoinformatics and Information Security department,Samara,Russia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： FarEastCon  ページ： 1-5  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： 均一多様体近似と投影(UMAP)は次元縮小のための最近の技術である。本論文では,ハイパースペクトルデータ処理のためのUMAPを研究した。よく知られたハイパースペクトル画像に対して,最適パラメータを探索し,UMAPを分類品質の観点から他の次元縮小技術と比較した。代替技術のリストは,線形主成分分析技術と非線形法,即ち,Isomap,局所線形埋込み,ラプラシアン固有マップ,および非線形写像を含む。Copyright 2021 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： 写像 ,  多様体 ,  近似法 ,  線形性 ,  主成分分析 ,  *次元縮小
準シソーラス用語： ハイパースペクトル画像 ,  最適パラメータ ,  *ハイパースペクトルデータ ,  ラプラシアン固有マップ , 【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 (2件)： ハイパースペクトルデータ ,  次元縮小