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\%$を減らし、非破壊的推定値に同調する結果となった。
さらに, 2つのSARデータセットを用いて, 提案したロバストなスキームの基底型と異常検出結果と, 競合する手法との比較を行った。
関連論文リスト
- Distributionally Robust Optimization as a Scalable Framework to Characterize Extreme Value Distributions [22.765095010254118]
本研究の目的は分散ロバストな最適化 (DRO) 推定器の開発であり、特に多次元極値理論 (EVT) の統計量についてである。
点過程の空間における半パラメトリックな最大安定制約によって予測されるDRO推定器について検討した。
両手法は, 合成データを用いて検証し, 所定の特性を回復し, 提案手法の有効性を検証する。
論文 参考訳（メタデータ） (2024-07-31T19:45:27Z) - X-Fake: Juggling Utility Evaluation and Explanation of Simulated SAR Images [49.546627070454456]
実データと模擬データの分散不整合性は、シミュレーションSAR画像の有用性に影響を与える主な障害である。
本稿では,X-Fake で表されるSAR画像の擬似的な説明を初めて行うことで,信頼性の高い実用性評価フレームワークを提案する。
提案手法は、電磁モデルから得られた4つのシミュレーションSAR画像データセットと、生成人工知能アプローチに基づいて検証される。
論文 参考訳（メタデータ） (2024-07-28T09:27:53Z) - Study of Robust Direction Finding Based on Joint Sparse Representation [2.3333781137726137]
スパース信号回復(SSR)に基づく新しいDOA推定法を提案する。
グリッドミスマッチの問題に対処するために、交互最適化アプローチを用いる。
シミュレーションの結果,提案手法は大きな外れ値に対してロバスト性を示すことがわかった。
論文 参考訳（メタデータ） (2024-05-27T02:26:37Z) - On Consistency and Asymptotic Normality of Least Absolute Deviation
Estimators for 2-dimensional Sinusoidal Model [0.0]
パラメータ推定のためのロバスト最小絶対偏差推定器を提案する。
2次元正弦波モデルの信号パラメータのLAD推定器の強い一貫性と正規性を確立する。
2次元テクスチャデータのデータ解析は,提案手法の実用性を示している。
論文 参考訳（メタデータ） (2023-01-09T09:50:32Z) - Improved Point Estimation for the Rayleigh Regression Model [0.0]
近年,合成開口レーダ(SAR)画像画素の振幅値のモデル化のためにレイリー回帰モデルが提案されている。
i) Cox 法と Snell 法, (ii) Firth 法, (iii) パラメトリックブートストラップ法に基づくレイリー回帰モデルに適したバイアス調整型推定器を提案する。
論文 参考訳（メタデータ） (2022-08-07T01:28:39Z) - Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$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) - 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。