Sparse Hilbert Schmidt Independence Criterion and Surrogate-Kernel-Based Feature Selection for Hyperspectral Image Classification - Archive ouverte HAL
Article Dans Une Revue IEEE Transactions on Geoscience and Remote Sensing Année : 2017

Sparse Hilbert Schmidt Independence Criterion and Surrogate-Kernel-Based Feature Selection for Hyperspectral Image Classification

Domaines

Traitement des images [eess.IV] Machine Learning [stat.ML]

Sébastien Lefèvre  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-01447452

Soumis le : jeudi 26 janvier 2017-20:35:17

Dernière modification le : vendredi 19 avril 2024-11:32:13

Consulter le texte intégral

Dates et versions

hal-01447452 , version 1 (26-01-2017)
hal-01447452 , version 2 (27-03-2017)

Identifiants

Citer

Bharath Bhushan Damodaran, Nicolas Courty, Sébastien Lefèvre. Sparse Hilbert Schmidt Independence Criterion and Surrogate-Kernel-Based Feature Selection for Hyperspectral Image Classification. IEEE Transactions on Geoscience and Remote Sensing, 2017, ⟨10.1109/TGRS.2016.2642479⟩. ⟨hal-01447452v1⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite
1053 Consultations
899 Téléchargements

Altmetric

Partager

More