論文の概要: Robust Rayleigh Regression Method for SAR Image Processing in Presence
of Outliers
- arxiv url: http://arxiv.org/abs/2208.00097v1
- Date: Fri, 29 Jul 2022 23:03:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-02 15:02:45.848390
- Title: Robust Rayleigh Regression Method for SAR Image Processing in Presence
of Outliers
- Title(参考訳): 外部からのSAR画像処理におけるロバストレイリー回帰法
- Authors: B. G. Palm, F. M. Bayer, R. Machado, M. I.Pettersson, V. T. Vu, R. J.
Cintra
- Abstract要約: 合成開口レーダ(SAR)データにおける異常値(outliers)の存在は、不正確な推論をもたらす可能性がある。
本稿では,外乱の存在に頑健なレイリー回帰モデルパラメータ推定器について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The presence of outliers (anomalous values) in synthetic aperture radar (SAR)
data and the misspecification in statistical image models may result in
inaccurate inferences. To avoid such issues, the Rayleigh regression model
based on a robust estimation process is proposed as a more realistic approach
to model this type of data. This paper aims at obtaining Rayleigh regression
model parameter estimators robust to the presence of outliers. The proposed
approach considered the weighted maximum likelihood method and was submitted to
numerical experiments using simulated and measured SAR images. Monte Carlo
simulations were employed for the numerical assessment of the proposed robust
estimator performance in finite signal lengths, their sensitivity to outliers,
and the breakdown point. For instance, the non-robust estimators show a
relative bias value $65$-fold larger than the results provided by the robust
approach in corrupted signals. In terms of sensitivity analysis and break down
point, the robust scheme resulted in a reduction of about $96\%$ and $10\%$,
respectively, in the mean absolute value of both measures, in compassion to the
non-robust estimators. Moreover, two SAR data sets were used to compare the
ground type and anomaly detection results of the proposed robust scheme with
competing methods in the literature.
- Abstract(参考訳): 合成開口レーダ(SAR)データにおける外れ値(異常値)の存在と統計画像モデルにおける誤特定は、不正確な推論をもたらす可能性がある。
このような問題を避けるために、このタイプのデータをモデル化するためのより現実的なアプローチとして、ロバストな推定プロセスに基づくレイリー回帰モデルを提案する。
本稿では,外乱の存在に頑健なレイリー回帰モデルパラメータ推定器を得る。
提案手法は重み付き最大値法を考慮し,SAR画像のシミュレーションと測定による数値実験を行った。
モンテカルロシミュレーションは、有限信号長における頑健な推定器性能の数値評価、オフレーヤに対する感度、および故障点の数値評価に用いられた。
例えば、非破壊推定器は、破壊信号のロバストなアプローチによる結果よりも、相対バイアス値が65$-fold大きいことを示す。
感度解析と破壊点に関して、ロバストなスキームは、各測定値の平均絶対値として約9,6\%$と10\%$を減らし、非破壊的推定値に同調する結果となった。
さらに, 2つのSARデータセットを用いて, 提案したロバストなスキームの基底型と異常検出結果と, 競合する手法との比較を行った。
関連論文リスト
- Doubly Robust Inference in Causal Latent Factor Models [13.236747951976675]
本稿では,観測不能な条件下での平均処理効果を推定するための新しいフレームワークを紹介する。
有限サンプルおよび頑健な重み付け保証を導出し、新しい推定器の誤差がパラメトリック速度で平均ゼロガウス分布に収束することを示す。
論文 参考訳(メタデータ) (2024-02-18T17:13:46Z) - High Precision Causal Model Evaluation with Conditional Randomization [10.23470075454725]
因果誤差を推定するための新しい低分散推定器(ペア推定器)を提案する。
モデルと真の実験効果の両方に同じIPW推定器を適用することにより、IPWによる分散を効果的にキャンセルし、より小さな分散を実現する。
提案手法は,IPW推定器自体の複雑な変更を伴わずに,条件付きランダム化設定における因果推論モデルを評価するための,単純かつ強力な解を提供する。
論文 参考訳(メタデータ) (2023-11-03T13:22:27Z) - On Consistency and Asymptotic Normality of Least Absolute Deviation
Estimators for 2-dimensional Sinusoidal Model [0.0]
パラメータ推定のためのロバスト最小絶対偏差推定器を提案する。
2次元正弦波モデルの信号パラメータのLAD推定器の強い一貫性と正規性を確立する。
2次元テクスチャデータのデータ解析は,提案手法の実用性を示している。
論文 参考訳(メタデータ) (2023-01-09T09:50:32Z) - Improved Point Estimation for the Rayleigh Regression Model [0.0]
近年,合成開口レーダ(SAR)画像画素の振幅値のモデル化のためにレイリー回帰モデルが提案されている。
i) Cox 法と Snell 法, (ii) Firth 法, (iii) パラメトリックブートストラップ法に基づくレイリー回帰モデルに適したバイアス調整型推定器を提案する。
論文 参考訳(メタデータ) (2022-08-07T01:28:39Z) - Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。
そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文 参考訳(メタデータ) (2021-08-25T21:30:27Z) - SLOE: A Faster Method for Statistical Inference in High-Dimensional
Logistic Regression [68.66245730450915]
実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。
私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
論文 参考訳(メタデータ) (2021-03-23T17:48:56Z) - Support estimation in high-dimensional heteroscedastic mean regression [2.28438857884398]
ランダムな設計と、潜在的にヘテロセダスティックで重み付きエラーを伴う線形平均回帰モデルを考える。
我々は,問題のパラメータに依存するチューニングパラメータを備えた,厳密な凸・滑らかなHuber損失関数の変種を用いる。
得られた推定器に対して、$ell_infty$ノルムにおける符号一貫性と最適収束率を示す。
論文 参考訳(メタデータ) (2020-11-03T09:46:31Z) - $\gamma$-ABC: Outlier-Robust Approximate Bayesian Computation Based on a
Robust Divergence Estimator [95.71091446753414]
最寄りの$gamma$-divergence推定器をデータ差分尺度として用いることを提案する。
本手法は既存の不一致対策よりも高いロバスト性を実現する。
論文 参考訳(メタデータ) (2020-06-13T06:09:27Z) - Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。
本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
論文 参考訳(メタデータ) (2020-05-22T22:30:52Z) - Efficient Ensemble Model Generation for Uncertainty Estimation with
Bayesian Approximation in Segmentation [74.06904875527556]
アンサンブルセグメンテーションモデルを構築するための汎用的で効率的なセグメンテーションフレームワークを提案する。
提案手法では,層選択法を用いて効率よくアンサンブルモデルを生成することができる。
また,新たな画素単位の不確実性損失を考案し,予測性能を向上する。
論文 参考訳(メタデータ) (2020-05-21T16:08:38Z) - Machine learning for causal inference: on the use of cross-fit
estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。
平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。
機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文 参考訳(メタデータ) (2020-04-21T23:09:55Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。