文献

J-GLOBAL ID：202102258600150007   整理番号：21A0670144

輸送モデルと機械学習によるハイパースペクトルデータの解析【JST・京大機械翻訳】

Analysis of Hyperspectral Data by Means of Transport Models and Machine Learning

著者 (4件)： Czaja Wojciech (University of Maryland,Department of Mathematics and CSCAMM,College Park,MD,20742) ,  Dong Dong (University of Maryland,Department of Mathematics and CSCAMM,College Park,MD,20742) ,  Jabin Pierre-Emmanuel (University of Maryland,Department of Mathematics and CSCAMM,College Park,MD,20742) ,  Njeunje Franck O. Ndjakou (University of Maryland,Department of Mathematics and CSCAMM,College Park,MD,20742)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IGARSS  ページ： 3680-3683  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： ハイパースペクトル画像(HSI)の解析のための新しい物理インスパイア法を示した。この方法はグラフのための輸送モデルの概念に基づいている。提案手法は,動的システムによる近接性を推定する測度として,拡散プロセスの役割を置き換えることにより,既存の次元縮小と特徴抽出アルゴリズムを一般化する。このアプローチは,HSIで生じるような複雑なデータ構造内の異なる新しい関係を利用することを可能にする。特徴抽出と分類結果を強化するために,物質クラスの文脈類似性に関する情報を変換するために,輸送モデルを使用する特定のマルチスケールアルゴリズムを提案する。この点を一連の計算実験で示した。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： アルゴリズム ,  測度 ,  データ構造 ,  動的系 ,  特徴抽出 ,  類似性 ,  拡散過程 ,  次元縮小 ,  *機械学習
準シソーラス用語： ハイパースペクトル画像 ,  マルチスケール ,  *輸送モデル ,  近接性 ,  *ハイパースペクトルデータ , 【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 (4件)： 輸送モデル ,  機械学習 ,  ハイパースペクトルデータ ,  解析