Основні міри подібності та нові підходи до їх застосування при класифікуванні гіперспектральних космічних зображень

• Опубліковано в: : Математичні машини і системи
• Дата: 2019
• Автор: Альперт, С.І.
• Формат: Стаття
• Мова: Ukrainian
• Опубліковано: Інститут проблем математичних машин і систем НАН України 2019
• Теми: Моделювання і управління
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/151938
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Основні міри подібності та нові підходи до їх застосування при класифікуванні гіперспектральних космічних зображень / С.І. Альперт // Математичні машини і системи. — 2019. — № 1. — С. 143–151. — Бібліогр.: 22 назв. — укр.

У даній статті описується новий підхід класифікування гіперспектральних космічних зображень, який використовує поняття моделі векторного простору та векторних функцій подібності, таких як міра Серенсена-Дайса, косинусна міра подібності, м’яка косинусна міра подібності, міра Жаккара, міра перекриття та асиметрична міра. В данной статье описывается новый подход к классификации гиперспектральных космических изображений, который использует понятие модели векторного пространства и векторных функций подобия, таких как мера Серенсена-Дайса, косинусная мера подобия, мягкая косинусная мера подобия, мера Жаккара, мера перекрытия и ассиметричная мера. This paper describes the new approach for hyperspectral satellite images classification, which uses a concept of Vector Space Model and vector similarity functions, such as: Sorensen-Dice coefficient, cosine similarity, soft cosine measure, Jaccard coefficient, overlap measure and assymetric measure.