Login
- Original title:
- Regression-Induced Representation Learning and Its Optimizer: A Novel Paradigm to Revisit Hyperspectral Imagery Analysis
- Translated title:
- Regression-induziertes Repräsentationslernen und sein Optimierer: Ein neuartiges Paradigma zur Analyse hyperspektraler Bilder
- Author:
- Hong, Danfeng
- Year:
- 2019
- Document type:
- Dissertation
- Faculty/School:
- Ingenieurfakultät Bau Geo Umwelt
- Advisor:
- Zhu, Xiaoxiang (Prof. Dr. habil.)
- Referee:
- Zhu, Xiaoxiang (Prof. Dr. habil.); Chanussot, Jocelyn (Prof. Dr.); Xia, Gui-Song (Prof. Dr.)
- Language:
- en
- Subject group:
- BAU Bauingenieurwesen, Vermessungswesen; GEO Geowissenschaften
- TUM classification:
- BAU 967d; MSR 915d
- Abstract:
- This thesis presents a novel paradigm to analyze the remotely sensed hyperspectral imagery, i.e. hyperspectral dimensionality reduction, spectral unmixing, cross-modality fusion and learning. The trade-off between spectral robustness and discrimination is considered by regression-based representation models. Accordingly, the optimizers are designed for the solutions of these models. Results are assessed on several datasets in comparison with state-of-the-art methods.
- Translated abstract:
- Bei dieser Arbeit handelt es sich um ein neuartiges Paradigma zur Analyse hyperspektralen Fernerkundungsdaten, inkl. der Reduzierung der hyperspektralen Dimensionen, der spektralen Entmischung, der Fusion und des Lernens in einer modalitätsübergreifenden Weise. Der Kompromiss zwischen spektraler Robustheit und Diskriminierung wird von regressionsbasierten Darstellungsmodellen berücksichtigt. Dementsprechend sind Optimierer für die Lösungen dieser Modelle entwickelt. Die Ergebnisse werden mit meh... »
- WWW:
- https://mediatum.ub.tum.de/?id=1485285
- Date of submission:
- 23.05.2019
- Oral examination:
- 15.10.2019
- File size:
- 79609476 bytes
- Pages:
- 211
- Urn (citeable URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20191015-1485285-1-8
- Last change:
- 30.10.2019
BibTeX