MétaCan
Menu
Retour à la cohorte
Enregistrement W2361068689

Theory and application of deorientation for target scattering Part I: deorientation theory

2006· article· en· W2361068689 sur OpenAlexaboutno aff
Jin Ya

Notice bibliographique

RevueChinese Journal of Radio Science · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScatteringPolarimetryTransformation (genetics)Eigenvalues and eigenvectorsSet (abstract data type)Matrix (chemical analysis)Remote sensingPattern recognition (psychology)PixelMathematicsArtificial intelligenceComputer scienceGeographyPhysicsOptics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Deorienation theory of polarimetric scattering targets is presented. Using transformation of the target scattering vector, the target orientation is turned to a certain fixed state and polarimetric scattering of the transformed scattering vector shows the prominence of the generic characteristics of target. By applying deorientation analysis to the principal eigenvector of coherency matrix derived from each pixel of SAR imagery, deorientation can be extended and applied to PolSAR data processing. The first part derives the transformation formula of deorientation, and defines a new set of parameters u,ν,ω,Ψ whose physical meaning is analyzed by scattering simulation of single non-spherical particle. The second part will design an unsupervised classification scheme based on(u,ν,Ψ)-H. And as examples, a SIR-C polarimetric image over China's Guangdong Hui-Yang district and an AirSAR polarimetric image over Canada′s Boreal district are classified.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,533
Score d'incertitude au seuil0,286

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,236
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChinese Journal of Radio ScienceMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207