دانلود مقاله انگلیسی رایگان:اثر کلی از ماشین های یادگیری وسیع با ترکیب مرتب آموزش یافته و ویژگی های آماری برای داده های Hyperspectral - 2017

دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • Ensemble of Extreme Learning Machines with Trained Classifier Combination and Statistical Features for Hyperspectral Data Ensemble of Extreme Learning Machines with Trained Classifier Combination and Statistical Features for Hyperspectral Data
    Ensemble of Extreme Learning Machines with Trained Classifier Combination and Statistical Features for Hyperspectral Data

    سال انتشار:

    2017


    عنوان انگلیسی مقاله:

    Ensemble of Extreme Learning Machines with Trained Classifier Combination and Statistical Features for Hyperspectral Data


    ترجمه فارسی عنوان مقاله:

    اثر کلی از ماشین های یادگیری وسیع با ترکیب مرتب آموزش یافته و ویژگی های آماری برای داده های Hyperspectral


    منبع:

    Sciencedirect - Elsevier - Neurocomputing, Accepted manuscript. doi:10.1016/j.neucom.2016.04.076


    نویسنده:

    Paweł Ksieniewcz, Bartosz Krawczyk, Micha l Wo´zniak


    چکیده انگلیسی:

    Remote sensing and hyperspectral data analysis are areas offering wide range of valuable practical applications. However, they generate massive and complex data that is very difficult to be analyzed by a human being. Therefore, methods for efficient data representation and data mining are of high interest to these fields. In this paper we introduce a novel pipeline for feature extraction and classification of hyperspectral images. To obtain a compressed representation we propose to extract a set of statistical-based properties from these images. This allows for embedding feature space into fourteen channels, obtaining a significant dimensionality reduction. These features are used as an input for the ensemble learning based on randomized neural networks. We introduce a novel method for forming ensembles of extreme learning machines based on randomized feature subspaces and a trained combiner. It is based on continuous outputs and uses a perceptron- based learning scheme to calculate weights assigned to each classifier and class independently. Extensive experiments carried on a number of benchmarks images prove that using proposed feature extraction and extreme learning ensemble leads to a significant gain in classification accuracy.
    Keywords: Ensemble learning | Extreme learning machines | Hyperspectral imaging | Computer vision | Feature extraction | Dimensionality reduction


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 29
    حجم فایل: 2281 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




آرشیو کامل مقالات

اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
بینایی-ماشین
موضوعات
footer