超高次元データからの特徴抽出 : 平滑化の効果の評価
スポンサーリンク
概要
- 論文の詳細を見る
高次元データから効率的に精度良く結果を得るためには,特徴抽出によるデータ圧縮が行われる。我々はすでに,クラスの重要度に応じて適応的に特徴を抽出する方法として,主成分分析によりデータを圧縮した後,その線形変換で構成される特徴を重要な順に逐次的に抽出する方法を示した。しかし実データから得られた特徴では,データの各次元の重み係数が,連続する次元に対して必ずしも滑らかではなかった。ここでは,データの平滑化によってノイズ成分を低減させることで滑らかな特徴の抽出を試みた。移動平均をとって平滑化したデータを用いることで,滑らかさが大きく向上することが確かめられた。
- 社団法人電子情報通信学会の論文
- 1994-01-28
著者
関連論文
- CT を用いる放射計視野内温度分布の計測法
- 温度可変放射源を用いる非灰色体の温度計測法
- 多重分光画像における要素スペクトルの適応的推定
- 動画像による連続手話の認識方式
- クラスの重要度を考慮した高次元データからの逐次的特徴抽出
- 超高次元データからの特徴抽出 : 平滑化の効果の評価
- 「センサ・センシングシステムの機能化・インテリジェント化」 -特集号の企画にあたって-
- 1993年国際地球科学およびリモートセンシングシンポジウム : 衛星による地球環境の解明
- 三角形領域の強制分割を用いる自動画像重ね合せ手法の改良とその性能評価
- 三角形領域の空間的相関を利用するリモートセンシング画像間の自動重ね合せ手法
- 空間的相関を利用する多次元画像間の自動重ね合せ
- 符号化開口CTと分解能向上
- 複数投影を入力とする最適フィルタを用いた符号化開口CTアルゴリズム
- M 配列符号化開口放射型 CT におけるゴーストの性質
- M配列を用いた符号化開口放射型CT
- 衛星遠隔計測データを用いた広域植生分布のモニタリング : 逆変換式の精度向上
- 温度計測技術の動向
- 相互相関による文字の識別 : 計測