Fugu-MT 論文翻訳(概要): Hyperspectral Image Clustering with Spatially-Regularized Ultrametrics

論文の概要: Hyperspectral Image Clustering with Spatially-Regularized Ultrametrics

arxiv url: http://arxiv.org/abs/2004.05048v1
Date: Fri, 10 Apr 2020 14:27:41 GMT
ステータス: 処理完了
システム内更新日: 2022-12-14 20:44:30.921471
Title: Hyperspectral Image Clustering with Spatially-Regularized Ultrametrics
Title（参考訳）: 空間規則化超音波によるハイパースペクトル画像クラスタリング
Authors: Shukun Zhang and James M. Murphy
Abstract要約: 超距離の空間正規化スペクトルクラスタリングに基づくハイパースペクトル画像の教師なしクラスタリング法を提案する。提案手法は,データ密度とジオメトリを効率的に組み合わせて,ラベルのトレーニングを必要とせず,データの材料クラスを識別する。
参考スコア（独自算出の注目度）: 7.487718119544157
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a method for the unsupervised clustering of hyperspectral images based on spatially regularized spectral clustering with ultrametric path distances. The proposed method efficiently combines data density and geometry to distinguish between material classes in the data, without the need for training labels. The proposed method is efficient, with quasilinear scaling in the number of data points, and enjoys robust theoretical performance guarantees. Extensive experiments on synthetic and real HSI data demonstrate its strong performance compared to benchmark and state-of-the-art methods. In particular, the proposed method achieves not only excellent labeling accuracy, but also efficiently estimates the number of clusters.
Abstract（参考訳）: 超距離の空間的正規化スペクトルクラスタリングに基づく超スペクトル画像の教師なしクラスタリング手法を提案する。提案手法は,データ密度と幾何を効率的に組み合わせて,ラベルのトレーニングを必要とせず,データの材料クラスを識別する。提案手法は,データポイント数を準線形スケーリングすることで効率的であり,ロバストな理論性能保証を享受できる。合成HSIデータおよび実HSIデータの大規模な実験は、ベンチマークや最先端手法と比較して高い性能を示した。特に,提案手法は優れたラベル付け精度を実現するだけでなく,クラスタ数を効率的に推定する。

関連論文リスト

Fast and Scalable Semi-Supervised Learning for Multi-View Subspace Clustering [13.638434337947302]
FSSMSCは、既存のアプローチで一般的に見られる高い計算複雑性に対する新しいソリューションである。この手法は、各データポイントを選択されたランドマークの疎線型結合として表現し、すべてのビューにまたがるコンセンサスアンカーグラフを生成する。 FSSMSCの有効性と効率は、様々なスケールの複数のベンチマークデータセットに対する広範な実験を通して検証される。
論文参考訳（メタデータ） (2024-08-11T06:54:00Z)
Spectral Clustering for Discrete Distributions [22.450518079181542]
伝統的に、離散分布(D2C)のクラスタリングは、Wasserstein Barycenter法を用いてアプローチされてきた。本研究では, スペクトルクラスタリングと分布親和性尺度を組み合わせることで, バリセンタ法よりも精度が高く, 効率的であることを示す。クラスタリング分布における手法の成功を理論的に保証する。
論文参考訳（メタデータ） (2024-01-25T03:17:03Z)
Rethinking k-means from manifold learning perspective [122.38667613245151]
平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
論文参考訳（メタデータ） (2023-05-12T03:01:41Z)
Efficient and Flexible Sublabel-Accurate Energy Minimization [62.50191141358778]
データと滑らかさの項からなるエネルギー関数のクラスを最小化する問題に対処する。既存の連続最適化手法は、サブラベル精度の高い解を見つけることができるが、大きなラベル空間では効率が良くない。本稿では,連続モデルと離散モデルの両方の最適特性を利用する効率的なサブラベル精度手法を提案する。
論文参考訳（メタデータ） (2022-06-20T06:58:55Z)
Distributed Dynamic Safe Screening Algorithms for Sparse Regularization [73.85961005970222]
本稿では,分散動的安全スクリーニング(DDSS)手法を提案し,共有メモリアーキテクチャと分散メモリアーキテクチャにそれぞれ適用する。提案手法は, 線形収束率を低次複雑度で達成し, 有限個の繰り返しにおいてほとんどすべての不活性な特徴をほぼ確実に除去できることを示す。
論文参考訳（メタデータ） (2022-04-23T02:45:55Z)
Data-heterogeneity-aware Mixing for Decentralized Learning [63.83913592085953]
グラフの混合重みとノード間のデータ不均一性の関係に収束の依存性を特徴付ける。グラフが現在の勾配を混合する能力を定量化する計量法を提案する。そこで本研究では,パラメータを周期的かつ効率的に最適化する手法を提案する。
論文参考訳（メタデータ） (2022-04-13T15:54:35Z)
Human Motion Detection Using Sharpened Dimensionality Reduction and Clustering [1.1172382217477126]
本研究では,高次元データの2次元投影を容易にラベル付けするためのクラスタリング手法を提案する。我々は、SDRのパイプラインと、さまざまな合成および実世界のデータセット上でクラスタリング方法をテストする。我々は、クラスタリングSDRの結果が、クラスタリングプレーンDRよりも優れたラベル付け結果をもたらすことを結論し、k-meansがSDRの推奨クラスタリング方法であることを示す。
論文参考訳（メタデータ） (2022-02-23T18:18:25Z)
Density-Based Clustering with Kernel Diffusion [59.4179549482505]
単位$d$次元ユークリッド球のインジケータ関数に対応するナイーブ密度は、密度に基づくクラスタリングアルゴリズムで一般的に使用される。局所分布特性と滑らかさの異なるデータに適応する新しいカーネル拡散密度関数を提案する。
論文参考訳（メタデータ） (2021-10-11T09:00:33Z)
Divide-and-conquer based Large-Scale Spectral Clustering [8.545202841051582]
そこで本研究では,分散・分散型大規模スペクトルクラスタリング手法を提案し,効率と効率のバランスを良くする。提案手法は,既存の大規模スペクトルクラスタリングよりも計算量が少ない。
論文参考訳（メタデータ） (2021-04-30T15:09:45Z)
Heteroskedastic and Imbalanced Deep Learning with Adaptive Regularization [55.278153228758434]
実世界のデータセットはヘテロスケダティックで不均衡である。ヘテロスケダスティック性と不均衡を同時に扱うことは、未発見である。本稿ではヘテロスケダスティックデータセットに対するデータ依存正規化手法を提案する。
論文参考訳（メタデータ） (2020-06-29T01:09:50Z)
Scalable Spectral Clustering with Nystrom Approximation: Practical and Theoretical Aspects [1.6752182911522515]
本研究は、サンプリングされた点に関連付けられた類似度行列のスペクトル特性を利用して、精度と効率のトレードオフを制御したスペクトルクラスタリングアルゴリズムを提案する。この研究の包括的な目標は、スペクトルクラスタリングを加速する将来の研究方向のための改善されたベースラインを提供することである。
論文参考訳（メタデータ） (2020-06-25T15:10:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。