Evaluation and comparison of dimensionality reduction methods and band selection
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AbstractFor dimensionality reduction (DR) of a hyperspectral data cube or band selection, it is desirable to have one method that is suitable for all remote sensing applications. However, in reality this is not possible. A specific remote sensing application requires a specific DR or band selection method that best suits it. In this paper, the evaluation and comparison of three DR methods‐namely, principal component analysis (PCA), wavelet, and minimum noise fraction (MNF)‐and one band selection method were conducted. Based on the experiments, the following was observed. For endmember extraction, the PCA DR, wavelet DR, and band selection found all five endmembers. However, the MNF DR missed one endmember. For mineral detection, the MNF DR produced a map that is closest to the true map when compared with the other DR methods and band selection method. For classification, the PCA DR produced the highest classification rates whereas the other methods yielded less classification rates.Pour appliquer la réduction de la dimensionnalité (RD) à un cube de données hyperspectrales ou à la sélection de bandes, il est souhaitable d'avoir une méthode qui puisse s'appliquer à toutes les applications en télédétection. Dans les faits cependant, cela n'est pas possible. Une application spécifique en télédétection doit faire appel à une méthode spécifique de RD ou de sélection de bandes qui corresponde le mieux à ses besoins. Dans cet article, nous faisons l'évaluation et la comparaison de trois méthodes de RD, c'est-à-dire l'analyse en composantes principales (ACP), la RD basée sur les ondelettes et la fraction de bruit minimale MNF, ainsi que d'une méthode de sélection de bandes. Sur la base de cette expérience, on a pu observer les faits suivants. Pour l'extraction des composantes spectrales homogènes, la méthode de RD basée sur l'ACP, la méthode de RD basée sur les ondelettes et la méthode de sélection de bandes trouvent chacune cinq composantes spectrales homogènes. Toutefois, la méthode de RD basée sur la transformation MNF omet une composante spectrale homogène. Pour la détection des minéraux, la méthode de RD basée sur la transformation MNF produit une carte qui est plus proche de la vraie carte comparativement aux autres méthodes de RD et aux méthodes de sélection de bandes. Pour la classification, la méthode RD basée sur l'ACP produit les plus hauts taux de classification alors que les autres méthodes donnent des taux de classification inférieurs.[Traduit par la Rédaction]
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle