Отрывок: Далее было проведено 4 серии экспериментов с различными наборами данных и классификаторами. В качестве исходных данных рассматривались: • исходный полный набор признаков; • фильтрованный набор, из которого были удалены «выбросы» - изображений, которые ни один из классификаторов не смог верно классифицировать; • признаки, отобранные посредством корреляционного анализа; • «трансформированные» признаки – первоначальный набор признаков, трансформированный посредством применения ...
Название : Технология автоматизированного интеллектуального отбора информативных признаков для задачи классификации областей натурных гиперспектральных изображений
Авторы/Редакторы : Хотилин М. И.
Дата публикации : 2023
Библиографическое описание : Хотилин, М. И. Технология автоматизированного интеллектуального отбора информативных признаков для задачи классификации областей натурных гиперспектральных изображений / М. И. Хотилин // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Т. 5: Науки о данных / под ред. Е. В. Гошина. - 2023. - С. 051642.
Аннотация : В данной статье описывается процесс создания автоматизированной технология отбора информативных признаков гиперспектрального изображения для осуществления процесса классификации. Описаны методы и алгоритмы поиска признаков принадлежности к определенным классам, их применения. Указаны дальнейшие пути и перспективы развития технологии и ее реализации.
URI (Унифицированный идентификатор ресурса) : http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Tehnologiya-avtomatizirovannogo-intellektualnogo-otbora-informativnyh-priznakov-dlya-zadachi-klassifikacii-oblastei-naturnyh-giperspektralnyh-izobrazhenii-106029
Другие идентификаторы : RU\НТБ СГАУ\541795
Ключевые слова: Python
гиперспектральные изображения
дискриминантный анализ
снижение размерности
отбор признаков
информативные признаки
нейронные сети
метод опорных векторов
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Размер Формат  
978-5-7883-1921-6_2023-051642.pdf239.4 kBAdobe PDFПросмотреть/Открыть
Показать полное описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.