این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Journal of Artificial Intelligence and Data Mining، جلد ۵، شماره ۱، صفحات ۳۹-۵۳
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Feature extraction of hyperspectral images using boundary semi-labeled samples and hybrid criterion
چکیده انگلیسی مقاله Feature extraction is a very important preprocessing step for classification of hyperspectral images. The linear discriminant analysis (LDA) method fails to work in small sample size situations. Moreover, LDA has poor efficiency for non-Gaussian data. LDA is optimized by a global criterion. Thus, it is not sufficiently flexible to cope with the multi-modal distributed data. We propose a new feature extraction method in this paper, which uses the boundary semi-labeled samples for solving small sample size problem. The proposed method, which called hybrid feature extraction based on boundary semi-labeled samples (HFE-BSL), uses a hybrid criterion that integrates both the local and global criteria for feature extraction. Thus, it is robust and flexible. The experimental results with three real hyperspectral images show the good efficiency of HFE-BSL compared to some popular and state-of-the-art feature extraction methods.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله m ایمانی |
faculty of electrical and computer engineering, tarbiat modares university, tehran, iran.
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

h قاسمیان |
faculty of electrical and computer engineering, tarbiat modares university, tehran, iran.
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://jad.shahroodut.ac.ir/article_787_c3ae7d1b57570d8e809c4a0af2355f24.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/480/article-480-270690.pdf
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات