Derivative spectral unmixing of hyperspectral data applied to mixtures of lichen and rock
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
Spectral mixture analysis (SMA) has been used extensively in the hyperspectral remote sensing community for the subpixel abundance estimation of targets. However, the task of defining every endmember can be difficult, as evident from the importance attributed to the topic in the recent literature. The effectiveness of SMA can be compromised when the required spectral endmembers are not well constrained in terms of their spectral magnitude and shape. The spectral magnitude of the endmembers is more difficult to obtain than their spectral shape, in part because the effects of the atmosphere and topography are difficult to constrain. This paper presents a derivative spectral unmixing (DSU) model, which is an extension of the spectral mixture analysis and derivative analysis. Using a DSU approach, it is possible to estimate the fraction of an endmember characterized by one or more diagnostic absorption features despite having only a general knowledge of the spectral shapes of the remaining endmembers. The DSU is assessed using spectral data acquired for a lichen-covered rock sample, and the estimated fractions of lichen and rock are assessed against that obtained from a high spatial resolution digital photograph. The results of the laboratory experiments suggests that the DSU is a promising algorithm for the quantitative analysis of hyperspectral data, but experiments on airborne/spaceborne imagery are now required to assess its value for geological mapping.
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 | 0,000 | 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