文献

J-GLOBAL ID：202102258174363998   整理番号：21A1851304

スパース表現と学習グラフに基づくハイパースペクトル画像特徴抽出【JST・京大機械翻訳】

Feature Extraction of Hyperspectral Image Based on Sparse Representation and Learning Graph Regularity

著者 (6件)： Zhang Minghua (上海海洋大学 信息学院,上海201306) ,  Luo Hongling (上海海洋大学 信息学院,上海201306) ,  Song Wei (上海海洋大学 信息学院,上海201306) ,  Huang Dongmei (上海海洋大学 信息学院,上海201306;上海電力大学,上海200090) ,  He Qi (上海海洋大学 信息学院,上海201306) ,  Su Cheng (自然資源部東海預報中心,上海200136)
資料名： Guangzi Xuebao  (Guangzi Xuebao)
巻： 50  号： 4  ページ： 241-253  発行年： 2021年 
JST資料番号： W1500A  ISSN： 1004-4213  CODEN： GUXUED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来の局所特徴抽出アルゴリズムでは,近傍パラメータの決定が難しく,データ間の単一構造のみを考慮し,重要情報を漏れるという問題を解決するために,スパース表現と学習グラフの正則に基づく局所判別とグローバルスパース保存射影アルゴリズムを提案した。まず第一に,スパース表現モデルを学習ベースのグラフ正則化器に与えて,この改良スパース表現モデルを使用して,サンプルデータ間の局所線形構造を適応的に解明して,局所的線形構造における判別情報を局所判別モデルグローバル統合アルゴリズムによって抽出する。学習グラフのまばらな表現モデルに基づいた新しいスパースグラフを用いて,データ間の大域的スパース構造を明らかにした。データの局所判別構造とグローバルスパース構造を低次元特徴空間で維持した。PaviaUとIndianPinesの2つのハイパースペクトル共通データセットに関する実験結果は,提案した局所判別とグローバルスパース保存射影アルゴリズムが,1-近隣とサポートベクトルマシン分類装置によって,より良い性能を達成することを示した。大域的および局所的判別情報を抽出することで,ハイパースペクトル画像の分類精度を効果的に改善した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  線形構造 ,  正則化 ,  射影
準シソーラス用語： *ハイパースペクトル ,  *ハイパースペクトル画像 ,  分類精度 ,  特徴空間 ,  *スパース表現 ,  低次元 ,  局所特徴 ,  画像特徴抽出 ,  SVM分類 ,  判定データ , 【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 (5件)： スパース表現 ,  学習 ,  グラフ ,  ハイパースペクトル画像 ,  特徴抽出