論文の概要: New wrapper method based on normalized mutual information for dimension reduction and classification of hyperspectral images

• arxiv url: http://arxiv.org/abs/2210.14346v1
• Date: Tue, 25 Oct 2022 21:17:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 14:50:00.438823
• Title: New wrapper method based on normalized mutual information for dimension reduction and classification of hyperspectral images
• Title（参考訳）: 正規化相互情報に基づくハイパースペクトル画像の次元縮小と分類のための新しいラッパー法
• Authors: Hasna Nhaila, Asma Elmaizi, Elkebir Sarhrouni, Ahmed Hammouch
• Abstract要約: 正規化相互情報(NMI)と誤り確率(PE)に基づく新しいラッパー手法を提案する。 NASAのAVIRIS(Airborne Visible/Infrared Imaging Spectrometer Sensor)が捉えた、2つの挑戦的なハイパースペクトルベンチマークデータセットで実験が行われた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Feature selection is one of the most important problems in hyperspectral images classification. It consists to choose the most informative bands from the entire set of input datasets and discard the noisy, redundant and irrelevant ones. In this context, we propose a new wrapper method based on normalized mutual information (NMI) and error probability (PE) using support vector machine (SVM) to reduce the dimensionality of the used hyperspectral images and increase the classification efficiency. The experiments have been performed on two challenging hyperspectral benchmarks datasets captured by the NASA's Airborne Visible/Infrared Imaging Spectrometer Sensor (AVIRIS). Several metrics had been calculated to evaluate the performance of the proposed algorithm. The obtained results prove that our method can increase the classification performance and provide an accurate thematic map in comparison with other reproduced algorithms. This method may be improved for more classification efficiency. Keywords-Feature selection, hyperspectral images, classification, wrapper, normalized mutual information, support vector machine.
• Abstract（参考訳）: 特徴選択はハイパースペクトル画像分類において最も重要な問題の一つである。 入力データセット全体から最も情報性の高いバンドを選択し、ノイズ、冗長、無関係なものを捨てる。 本稿では,使用済みハイパースペクトル画像の次元性を低減し,分類効率を向上させるため,サポートベクタマシン(svm)を用いた正規化相互情報(nmi)と誤り確率(pe)に基づく新しいラッパー法を提案する。 実験は、NASAのAVIRIS(Airborne Visible/Infrared Imaging Spectrometer Sensor)が捉えた、2つの挑戦的なハイパースペクトルベンチマークデータセットで実施された。 提案アルゴリズムの性能を評価するために,いくつかの指標が算出された。 その結果,本手法は分類性能を高め,他の再現アルゴリズムと比較して正確なテーママップを提供できることがわかった。 この方法により分類効率が向上する可能性がある。 キーワード-特徴選択、ハイパースペクトル画像、分類、ラッパー、正規化相互情報、サポートベクトルマシン。

関連論文リスト

• Convolutional autoencoder-based multimodal one-class classification [80.52334952912808]
  1クラス分類は、単一のクラスからのデータを用いた学習のアプローチを指す。 マルチモーダルデータに適した深層学習一クラス分類法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T12:31:18Z)
• Fine-grained Recognition with Learnable Semantic Data Augmentation [68.48892326854494]
  きめ細かい画像認識は、長年続くコンピュータビジョンの課題である。 本稿では,識別領域損失問題を軽減するため,特徴レベルのトレーニングデータを多様化することを提案する。 本手法は,いくつかの人気分類ネットワーク上での一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2023-09-01T11:15:50Z)
• A new filter for dimensionality reduction and classification of hyperspectral images using GLCM features and mutual information [0.0]
  ハイパースペクトル画像の次元化と分類のための新しい手法を提案する。 スペクトル情報と空間情報の両方を相互情報に基づいて考慮する。 3つのよく知られたハイパースペクトルベンチマークデータセットで実験が行われる。
  論文  参考訳（メタデータ） (2022-11-01T13:19:08Z)
• Hybridization of filter and wrapper approaches for the dimensionality reduction and classification of hyperspectral images [0.0]
  ハイパースペクトル画像の次元化のための帯域選択によるハイブリッドアルゴリズムを提案する。 提案手法は,相互情報に基づく効率的な再生フィルタ手法と比較する。
  論文  参考訳（メタデータ） (2022-10-29T05:25:10Z)
• A Novel Filter Approach for Band Selection and Classification of Hyperspectral Remotely Sensed Images Using Normalized Mutual Information and Support Vector Machines [0.0]
  本稿では,情報理論(正規化相互情報)とサポートベクトルマシンSVMを用いた高スペクトル画像の次元削減と分類のための新しいフィルタ手法を提案する。 提案アルゴリズムを、NASAのAVIRISセンサーが収集した2つのよく知られたベンチマークデータセットに、インディアナ州とサリナスの谷で適用した。
  論文  参考訳（メタデータ） (2022-10-27T14:23:06Z)
• A novel information gain-based approach for classification and dimensionality reduction of hyperspectral images [0.0]
  本稿では,高スペクトル画像の次元化と分類のための情報ゲインに基づく新しいフィルタ手法を提案する。 ハイパースペクトル帯の選択に基づく特別な戦略が採用され、最も情報性の高いバンドを選択し、無関係でノイズの多いバンドを捨てる。 提案手法は,2つのベンチマークハイパースペクトルデータセット(インド,パヴィア)と3つの競合する手法を用いて比較する。
  論文  参考訳（メタデータ） (2022-10-26T20:59:57Z)
• A new band selection approach based on information theory and support vector machine for hyperspectral images reduction and classification [0.0]
  スペクトル帯の選択は、無関係でノイズの多い、冗長なバンドを取り除くための重要なステップです。 本稿では,各帯域間の統計的依存度と相関度を測定するために,共同情報に基づく新たな戦略を提案する。 提案手法は,相互情報に基づく効率的な再生フィルタと比較する。
  論文  参考訳（メタデータ） (2022-10-26T10:54:23Z)
• Riemannian classification of EEG signals with missing values [67.90148548467762]
  本稿では脳波の分類に欠落したデータを扱うための2つの方法を提案する。 第1のアプローチでは、インプットされたデータと$k$-nearestの隣人アルゴリズムとの共分散を推定し、第2のアプローチでは、期待最大化アルゴリズム内で観測データの可能性を活用することにより、観測データに依存する。 その結果, 提案手法は観測データに基づく分類よりも優れており, 欠落したデータ比が増大しても高い精度を維持することができることがわかった。
  論文  参考訳（メタデータ） (2021-10-19T14:24:50Z)
• Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
  最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。 本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。 代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
  論文  参考訳（メタデータ） (2021-03-22T20:36:34Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。