• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Bulletin of Informatics and Cybernetics >CONTEXTUAL CLUSTERING AND UNMIXING OF GEOSPATIAL DATA BASED ON GAUSSIAN MIXTURE MODELS AND MARKOV RANDOM FIELDS
【24h】

CONTEXTUAL CLUSTERING AND UNMIXING OF GEOSPATIAL DATA BASED ON GAUSSIAN MIXTURE MODELS AND MARKOV RANDOM FIELDS

机译：基于高斯混合模型和马尔可夫随机场的地理空间数据的上下文聚类和混合

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In supervised and unsupervised image classification, it is known that contextual classification methods based on Markov random fields (MRFs) improve the performance of non-contextual classifiers. In this paper, we consider the unsupervised unmixing problem with the introduction of a new MRF. First, spectral vectors observed at mixels are assumed to follow Gaussian mixtures. Second, vectors representing fractions of categories are supposed to follow an MRF over the observed area. Then, we derive an unsupervised unmixing method, which is also useful for unsupervised classification. When evaluated using a synthetic data set and a benchmark data set for classification, the proposed method performed well.
机译：在有监督和无监督的图像分类中，已知基于马尔可夫随机场（MRF）的上下文分类方法可以提高非上下文分类器的性能。在本文中，我们通过引入新的MRF来考虑无监督分解问题。首先，假设在混合像素处观察到的光谱矢量遵循高斯混合。其次，代表类别分数的向量应该在观察区域内遵循MRF。然后，我们推导了一种无监督的混合方法，该方法对于无监督的分类也很有用。当使用综合数据集和基准数据集进行分类评估时，建议的方法效果很好。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号