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 ...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorХотилин М. И.ru
dc.coverage.spatialPythonru
dc.coverage.spatialгиперспектральные изображенияru
dc.coverage.spatialдискриминантный анализru
dc.coverage.spatialснижение размерностиru
dc.coverage.spatialотбор признаковru
dc.coverage.spatialинформативные признакиru
dc.coverage.spatialнейронные сетиru
dc.coverage.spatialметод опорных векторовru
dc.creatorХотилин М. И.ru
dc.date.accessioned2023-10-06 09:21:46-
dc.date.available2023-10-06 09:21:46-
dc.date.issued2023ru
dc.identifierRU\НТБ СГАУ\541795ru
dc.identifier.citationХотилин, 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.ru
dc.identifier.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Tehnologiya-avtomatizirovannogo-intellektualnogo-otbora-informativnyh-priznakov-dlya-zadachi-klassifikacii-oblastei-naturnyh-giperspektralnyh-izobrazhenii-106029-
dc.description.abstractВ 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.ru
dc.language.isorusru
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6ru
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2023). - Т. 5 : Науки о данныхru
dc.titleТехнология автоматизированного интеллектуального отбора информативных признаков для задачи классификации областей натурных гиперспектральных изображенийru
dc.typeTextru
dc.citation.spage051642ru
dc.citation.volume5ru
dc.textpartДалее 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 ...-
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 базовое описание ресурса Просмотр статистики
Поделиться:



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