文献

J-GLOBAL ID：201602241508384501   整理番号：16A1386207

局所受容野を用いたカーネル極端学習マシンによるハイパースペクトル画像分類【Powered by NICT】

Hyperspectral image classification via kernel extreme learning machine using local receptive fields

著者 (6件)： Lv Qi (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Niu Xin (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Dou Yong (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Wang Yueqing (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Xu Jiaqing (College of Computer, National University of Defense Technology, Changsha, China) ,  Zhou Jie (College of Computer, National University of Defense Technology, Changsha, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICIP  ページ： 256-260  発行年： 2016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： 本論文では,局所受容野ベースのカーネル極端学習機械を用いたハイパースペクトル画像(HSI)の分類手法を提案した。極端学習機械(ELM)はその簡単さ,迅速性,良好な汎化能力に起因する場パターン認識でますます注目を集めている。ELMの性能を促進するためにしばしば使用されるカーネル法,カーネルELMとして知られている。局所受容場の概念は,神経科学の研究に起因する。スペクトル特徴の局所相関を考慮すると,局所受容野を組み合わせたカーネルELMによるHSI分類の性能を改善するために有望である。Pavia大学データセット上での実験結果は,提案したHSI分類法の有効性を確認した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 神経科学 ,  汎化 ,  *学習 ,  パターン認識
準シソーラス用語： 分類法 ,  スペクトル特徴 ,  Kernel法 ,  極度学習機械 ,  *ハイパースペクトル画像 ,  *受容野 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 受容野 ,  カーネル ,  学習 ,  マシン ,  ハイパースペクトル画像分類