• Aucun résultat trouvé

Modèle bayésien hiérarchique pour le démélange et la classification robuste d'images hyperspectrales

N/A
N/A
Protected

Academic year: 2021

Partager "Modèle bayésien hiérarchique pour le démélange et la classification robuste d'images hyperspectrales"

Copied!
4
0
0

Texte intégral

Loading

Figure

Figure 1 et est décrit de manière détaillé dans [7]. Nous proposons de modéliser les données hyperspectrales par trois niveaux de représentation, chacun composé d’un ensemble de variables à estimer

Références

Documents relatifs

Work on filtering for linear and nonlinear time delay systems has.. continued over this

More specifically, we construct a new panel data set on auto innovations to examine whether firms redi- rect technical change away from dirty ðpollutingÞ technologies and to-

En particulier, les travaux envisagés ont comme objectifs principaux, le développement d’une stratégie de contrôle flou pour le suivi de trajectoires planifiées

Les stations présentant au moins une espèce collectée une seule fois sur l’ensemble de Madibenthos ou une espèce pour laquelle plusieurs spécimens ont été collectés mais sur

In the previous section we illustrated that a strong linearly polarized laser pulse of sufficiently long dura- tion can align the largest polarizability axis of a molecule along a

Introducing downward nominal wage rigidity for job stayers in an otherwise classical model of wage growth and price inflation, as James Tobin did, “bends” the macroeconomic

Ces méthodes sont généralement répertoriées dans trois grandes catégories : les méthodes d’Analyse en Composantes Indépendantes (Independent Component Analysis

Cofactori- sation de matrices pour le démélange et la classification conjoints d’images hyperspectrales (SFPT-GH 2019).. 7e Colloque du groupe SFPT-GH : Groupe Hyperspectral de