応用によるスケーリングのロバストウェーブレットベース評価【JST・京大機械翻訳】

Hamilton Erin K.; Jeon Seonghye; Cobo Pepa Ramirez; Lee Kichun Sky; Vidakovic Brani

プレプリント

J-GLOBAL ID：202202213838235601 整理番号：22P0278480

応用によるスケーリングのロバストウェーブレットベース評価【JST・京大機械翻訳】

Robust Wavelet-based Assessment of Scaling with Applications

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月23日プレプリントサーバーでの情報更新日： 2022年01月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

多くのアプローチが自己相似性の統計的評価を取り扱っており,それらの多くはマルチスケール概念に基づいている。殆どは,通常,実際のデータトレースによって違反される特定の分布仮定に依存し,しばしば,大きな時間的あるいは空間的平均レベルシフト,欠測値または極値観測によって特性化される。二次元データ(画像)における自己相似性を推定するために,Theil型加重回帰に基づく新しいロバスト手法を提案した。本方法を,ウェーブレット分解を使用する2つの伝統的推定技術と比較した。通常の最小二乗(OLS)とAbry-Veitchバイアス補正推定量(AV)。応用として,ロバスト手法から生じる自己相似性推定の適合性を,癌性または非癌性としてディジタル化マンモグラム画像の分類における予測特徴として例証した。ここで使用した診断は,典型的には乳癌スクリーニングにおける未使用の様式である画像背景の特性に基づいている。分類結果は,ほぼ68%の精度を示し,ウェーブレット基底の選択と用いた多重解像度レベルの範囲によってわずかに変化した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

図形・画像処理一般

, ,

前のページに戻る