实体
Linear Mixing Model
Linear Mixing Model
PulseAugur coverage of Linear Mixing Model — every cluster mentioning Linear Mixing Model across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新算法通过考虑光谱变异性改进高光谱分解
研究人员开发了新的高光谱分解算法,该算法考虑了高光谱图像中的常见问题——光谱变异性(SV)。所提出的方法基于非负矩阵分解(NMF),并利用结构化加性变异性线性混合模型(SAV-LMM)。在合成和真实数据集上的实验表明,与现有的最先进技术相比,这些算法在提高分解精度方面是有效的。
-
物理引导的模式分解改进光谱分析
研究人员引入了物理引导的模式分解(PGRU),这是一种新颖的光谱分解方法,解决了传统线性混合模型(Linear Mixing Model)的局限性。PGRU 估算像素级参数,仅在物理上合理的情况下选择性地应用非线性混合,并通过学习到的注意力机制整合来自各种非线性模型的残差。该方法生成可解释的图谱,并在基准数据集的实验中显示出持续的改进。