Класифікація гіперспектральних зображень з використанням nnPU функції втрат та маскованого автоенкодера
Вантажиться...
Дата
2025
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація: 74 сторінки, 2 рисунків, 13 таблиць, 28 посилань, додаток.
Об’єкт дослідження: гіперспектральні зображення, які використовуються
для аналізу спектральної інформації різних об'єктів та матеріалів.
Предмет дослідження: алгоритми класифікації гіперспектральних
зображень, що базуються на nnPU функції втрат та маскованого
автоенкодера.
Мета роботи: дослідити існуючі методи класифікації
гіперспектральних зображень, розробити метод класифікації
гіперспектральних зображень за допомогою nnPU функції втрат та
маскованого автоенкодера.
Результати роботи: Оглянуто та проаналізовано сучасні методи
класифікації гіперспектральних зображень. Розроблено метод класифікації
гіперспектральних зображень на основі nnPU функції втрат та маскованого
автоенкодера. Реалізовано та протестовано запропонований підхід на
гіперспектральних даних. Проведено порівняльний аналіз розробленого
методу з класичними конкурентоспроможність.
Опис
Ключові слова
гіперспектральна класифікація зображень, позитивно-непомічене навчання, маскований автокодер, глибинне навчання, навчання представлень, самонавчання, напівкероване навчання
Бібліографічний опис
Мелащенко, О. С. Класифікація гіперспектральних зображень з використанням nnPU функції втрат та маскованого автоенкодера : магістерська дис. : 122 Комп'ютерні науки / Мелащенко Олександр Сергійович. – Київ, 2025. – 80 с.