elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Feature space dimensionality reduction for the optimization of visualization methods

Griparis, Andreea und Faur, Daniela und Datcu, Mihai (2015) Feature space dimensionality reduction for the optimization of visualization methods. In: Geoscience and Remote Sensing Symposium (IGARSS), 2015 IEEE International, Seiten 1120-1123. IEEE Xplore. IGARSS 2015, 2015-07-26 - 2015-07-31, Milan, Italy. doi: 10.1109/IGARSS.2015.7325967.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7325967

Kurzfassung

Visual data mining methods are of great importance in exploratory data analysis having a high potential for mining large databases. As the data feature space is generally n-dimensional, visual data mining relies on dimensionality reduction techniques. This is the case for image feature spaces which can be visualized by giving each data point a location in a three dimensional space. This paper aims to present a comparative study of several dimensionality reduction methods considering as input image feature spaces, in order to detemine an optimal visualization method to illustrate the separation of the classes. At the beginning, to check the performance of the envisaged method, an artificial dataset consisting of random vectors describing six, 20-dimensional Gaussian distributions with spaced means and low variances was generated. Further, two real images datasets are used to evaluate the contributions of dimensionality reduction algorithms related to data visualization. The analysis focuses on the PCA, LDA and t-SNE dimensionality reduction techniques. Our tests are performed on images for which the computed features include the color histogram and Weber descriptors.

elib-URL des Eintrags:https://elib.dlr.de/100672/
Dokumentart:Konferenzbeitrag (Poster)
Titel:Feature space dimensionality reduction for the optimization of visualization methods
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Griparis, AndreeaUniversity Politehnica of Bucharest, RomaniaNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Faur, DanielaUniversity Politehnica of Bucharest, Bucharest, RomaniaNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datcu, Mihaimihai.datcu (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Juli 2015
Erschienen in:Geoscience and Remote Sensing Symposium (IGARSS), 2015 IEEE International
Referierte Publikation:Nein
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
DOI:10.1109/IGARSS.2015.7325967
Seitenbereich:Seiten 1120-1123
Herausgeber:
HerausgeberInstitution und/oder E-Mail-Adresse der HerausgeberHerausgeber-ORCID-iDORCID Put Code
NICHT SPEZIFIZIERTIEEE Org.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Verlag:IEEE Xplore
Status:veröffentlicht
Stichwörter:classification, dimensionality reduction, features vectors, visualization
Veranstaltungstitel:IGARSS 2015
Veranstaltungsort:Milan, Italy
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:26 Juli 2015
Veranstaltungsende:31 Juli 2015
Veranstalter :IEEE Geoscience and Remote Sensing Society
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben hochauflösende Fernerkundungsverfahren (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > Photogrammetrie und Bildanalyse
Hinterlegt von:UNGÜLTIGER BENUTZER
Hinterlegt am:11 Dez 2015 17:10
Letzte Änderung:24 Apr 2024 20:06

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.