Cofactorisation de matrices pour le démélange et la classification conjoints d'images hyperspectrales
Texte intégral
Figure
Documents relatifs
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
Ce terme s’interprète comme une étape de partitionnement où les vecteurs d’abondances sont séparés en plusieurs groupes puis les vecteurs d’attribution aux groupes sont
[r]
Scilab sait trouver le plus grand ´ el´ ement (c’est la fonction max) et le plus petit ´ el´ ement (c’est la fonction min) d’un vecteur ou d’une matrice1. ´ Ecrire une ligne
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
[r]
Ainsi si A est une matrice sym´etrique d´efinie positive alors le syst`eme Ax = b peut ˆetre d´ecompos´e en GG t x = b et ce syst`eme peut se r´esoudre efficacement en r´esolvant
