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

DR-KNN: A hybrid Approach for Dimensionality Reduction of EO Image Datasets

Griparis, Andreea und Faur, Daniela und Datcu, Mihai (2020) DR-KNN: A hybrid Approach for Dimensionality Reduction of EO Image Datasets. In: 2020 IEEE International Geoscience and Remote Sensing Symposium, IGARSS 2020, Seiten 1-4. IGARSS 2020, 2020-09-26 - 2020-10-02, Virtual. doi: 10.1109/IGARSS39084.2020.9323633. ISBN 978-172816374-1. ISSN 2153-6996.

[img] PDF
84kB

Offizielle URL: https://igarss2020.org/view_paper.php?PaperNum=4114

Kurzfassung

The two Sentinel-2 satellites provide, since March 2017, high-resolution worldwide images every five days, freely distributed, generating terabytes of high-dimensional data. An intuitive manner to summarize the main characteristics of the data and gather knowledge is visual exploratory analysis, which is often based on dimensionality reduction methods to represent high-dimensional data. From previous research and the state-of-the-art literature, turned out that t-distributed Stochastic Neighbour Embedding is one of the most appropriate technique to reduce the dimensionality of a dataset, but it requires very high computational power. To overcome this inconvenience, we proposed two hybrid DR algorithms, which combine the DR with the nearest neighbour technique or random forest regression. The main conclusion is that our approaches reduce computational power without compromising the representation quality.

elib-URL des Eintrags:https://elib.dlr.de/138137/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:DR-KNN: A hybrid Approach for Dimensionality Reduction of EO Image Datasets
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Griparis, AndreeaUniversity Politehnica of BucharestNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Faur, DanielaUniversity Politehnica of Bucharest, Bucharest, RomaniaNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datcu, MihaiMihai.Datcu (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2020
Erschienen in:2020 IEEE International Geoscience and Remote Sensing Symposium, IGARSS 2020
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/IGARSS39084.2020.9323633
Seitenbereich:Seiten 1-4
ISSN:2153-6996
ISBN:978-172816374-1
Status:veröffentlicht
Stichwörter:dimensionality reduction, visual exploratory analysis, remote sensing, high-dimensional data
Veranstaltungstitel:IGARSS 2020
Veranstaltungsort:Virtual
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:26 September 2020
Veranstaltungsende:2 Oktober 2020
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 > EO Data Science
Hinterlegt von: Karmakar, Chandrabali
Hinterlegt am:25 Nov 2020 17:18
Letzte Änderung:07 Jun 2024 09:50

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.