Fugu-MT 論文翻訳(概要): Integrating Product Coefficients for Improved 3D LiDAR Data Classification

論文の概要: Integrating Product Coefficients for Improved 3D LiDAR Data Classification

arxiv url: http://arxiv.org/abs/2503.11943v1
Date: Sat, 15 Mar 2025 01:25:38 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-18 12:33:34.346032
Title: Integrating Product Coefficients for Improved 3D LiDAR Data Classification
Title（参考訳）: 改良型3次元LiDARデータ分類のための製品係数の統合
Authors: Patricia Medina,
Abstract要約: 分類過程の付加的な特徴として,測度理論から導かれる理論量である積係数を導入する。その結果, 製品係数を特徴集合に組み込むことで, 分類精度が著しく向上することが示唆された。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In this paper, we address the enhancement of classification accuracy for 3D point cloud Lidar data, an optical remote sensing technique that estimates the three-dimensional coordinates of a given terrain. Our approach introduces product coefficients, theoretical quantities derived from measure theory, as additional features in the classification process. We define and present the formulation of these product coefficients and conduct a comparative study, using them alongside principal component analysis (PCA) as feature inputs. Results demonstrate that incorporating product coefficients into the feature set significantly improves classification accuracy within this new framework.
Abstract（参考訳）: 本稿では, 与えられた地形の3次元座標を推定する光学的リモートセンシング技術である3次元点雲ライダーデータの分類精度の向上について述べる。提案手法では, 積係数, 測度理論から導出される理論量について, 分類過程の付加的特徴として紹介する。我々はこれらの積係数の定式化を定義して比較研究を行い、主成分分析(PCA)を特徴入力として用いた。その結果, 製品係数を特徴集合に組み込むことで, 新しい枠組みの分類精度が著しく向上することがわかった。

関連論文リスト

DPERC: Direct Parameter Estimation for Mixed Data [5.319419944378011]
カテゴリー特徴量(DPERC)を用いたランダム不一致データの直接推定法を提案する。 DPERCは、連続的な特徴に欠落した値を含む混合データに合わせた直接パラメータ推定のための効率的なアプローチである。提案手法は,混合データ構造に埋め込まれた情報を効果的に活用する。
論文参考訳（メタデータ） (2025-01-17T20:24:40Z)
Synergistic eigenanalysis of covariance and Hessian matrices for enhanced binary classification [72.77513633290056]
本稿では, 学習モデルを用いて評価したヘッセン行列をトレーニングセットで評価した共分散行列の固有解析と, 深層学習モデルで評価したヘッセン行列を組み合わせた新しい手法を提案する。本手法は複雑なパターンと関係を抽出し,分類性能を向上する。
論文参考訳（メタデータ） (2024-02-14T16:10:42Z)
Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
論文参考訳（メタデータ） (2023-09-26T08:03:10Z)
Optimal Discriminant Analysis in High-Dimensional Latent Factor Models [1.4213973379473654]
高次元分類問題において、一般的に用いられるアプローチは、まず高次元の特徴を低次元空間に射影することである。我々は、この2段階の手順を正当化するために、隠れた低次元構造を持つ潜在変数モデルを定式化する。観測された特徴の特定の主成分(PC)を射影とする計算効率の良い分類器を提案する。
論文参考訳（メタデータ） (2022-10-23T21:45:53Z)
DDAC-SpAM: A Distributed Algorithm for Fitting High-dimensional Sparse Additive Models with Feature Division and Decorrelation [16.232378903482143]
本稿では,高次元のスパース加法モデルの下で特徴を分割する分散統計学習アルゴリズムDDAC-SpAMを提案する。提案アルゴリズムの有効性と有効性は, 合成データと実データの両方に関する理論的解析と実験結果によって実証される。提案手法は, スパース加法モデルと, 広範囲の領域で有望な応用を実現するための実用的ソリューションを提供する。
論文参考訳（メタデータ） (2022-05-16T18:31:03Z)
A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文参考訳（メタデータ） (2022-02-01T21:21:56Z)
Eigen Analysis of Self-Attention and its Reconstruction from Partial Computation [58.80806716024701]
ドット積に基づく自己注意を用いて計算した注意点のグローバルな構造について検討する。注意点の変動の大部分は低次元固有空間にあることがわかった。トークンペアの部分的な部分集合に対してのみスコアを計算し、それを用いて残りのペアのスコアを推定する。
論文参考訳（メタデータ） (2021-06-16T14:38:42Z)
Hierarchical Subspace Learning for Dimensionality Reduction to Improve Classification Accuracy in Large Data Sets [0.0]
大規模データセットの分類を3%から10%の範囲で改善することを目的として,階層的手法による部分空間学習手法のスケールアップが提案されている。提案手法は,異なる固有値に基づく部分空間学習法を用いて,公開可能な5つの大規模データセットに対して評価する。その結果,分類精度は階層的アプローチの有効性を示し,分類精度が平均5%向上したことを報告した。
論文参考訳（メタデータ） (2021-05-25T15:15:12Z)
Feature Weighted Non-negative Matrix Factorization [92.45013716097753]
本稿では,FNMF(Feature weighted Non- negative Matrix Factorization)を提案する。 FNMFはその重要性に応じて特徴の重みを適応的に学習する。提案する最適化アルゴリズムを用いて効率的に解くことができる。
論文参考訳（メタデータ） (2021-03-24T21:17:17Z)
Reduced Reference Perceptual Quality Model and Application to Rate Control for 3D Point Cloud Compression [61.110938359555895]
レート歪み最適化では、ビットレートの制約を受ける再構成品質尺度を最大化してエンコーダ設定を決定する。本稿では,V-PCC幾何および色量化パラメータを変数とする線形知覚品質モデルを提案する。 400個の圧縮された3D点雲による主観的品質試験の結果,提案モデルが平均評価値とよく相関していることが示唆された。また、同じ目標ビットレートに対して、提案モデルに基づくレート歪みの最適化は、ポイント・ツー・ポイントの客観的な品質指標による徹底的な探索に基づくレート歪みの最適化よりも高い知覚品質を提供することを示した。
論文参考訳（メタデータ） (2020-11-25T12:42:02Z)
Linear Classifier Combination via Multiple Potential Functions [0.6091702876917279]
決定境界からクラスセントロイドまでの距離との距離に基づいてスコアリング関数を計算する新しい概念を提案する。重要な性質は、提案されたスコア関数がすべての線形基底分類器に対して同じ性質を持つことである。
論文参考訳（メタデータ） (2020-10-02T08:11:51Z)

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。