Класифікація гіперспектральних зображень з використанням nnPU функції втрат та маскованого автоенкодера

Скорочена інформація про документ
dc.contributor.advisorПишнограєв, Іван Олександрович
dc.contributor.authorМелащенко, Олександр Сергійович
dc.date.accessioned2026-02-18T13:00:58Z
dc.date.available2026-02-18T13:00:58Z
dc.date.issued2025
dc.description.abstractМагістерська 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.
dc.description.abstractotherMaster’s thesis: 102 pages, 19 figures, 27 tables, 15 sources, 1 appendix. Research object: hyperspectral images used to analyze the spectral information of various objects and materials. Research subject: hyperspectral image classification algorithms based on the nnPU loss function and masked autoencoder. Purpose of the work: to investigate existing methods for classifying hyperspectral images, to develop a method for classifying hyperspectral images using the nnPU loss function and masked autoencoder. Results of the work: Modern methods for hyperspectral image classification were reviewed and analyzed. A hyperspectral image classification method based on the nnPU loss function and a masked autoencoder was developed. The proposed approach was implemented and tested on hyperspectral data. A comparative analysis of the developed method with classical approaches was conducted, demonstrating its competitiveness.
dc.format.extent80 с.
dc.identifier.citationМелащенко, 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.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78854
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectгіперспектральна класифікація зображень
dc.subjectпозитивно-непомічене навчання
dc.subjectмаскований автокодер
dc.subjectглибинне навчання
dc.subjectнавчання представлень
dc.subjectсамонавчання
dc.subjectнапівкероване навчання
dc.subject.udc004.8::004.932.2:543.429.9(043.3)
dc.titleКласифікація гіперспектральних зображень з використанням nnPU функції втрат та маскованого автоенкодера
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Melashchenko_magistr.pdf
Розмір:
1.66 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ШІ)
Магістерські роботи