Descripteur
Documents disponibles dans cette catégorie (4)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Bayesian statistics and Monte Carlo methods / Karl Rudolf Koch in Journal of geodetic science, vol 8 n° 1 (January 2018)
[article]
Titre : Bayesian statistics and Monte Carlo methods Type de document : Article/Communication Auteurs : Karl Rudolf Koch, Auteur Année de publication : 2018 Article en page(s) : pp 18 - 29 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Statistiques
[Termes IGN] matrice de covariance
[Termes IGN] méthode de Monte-Carlo
[Termes IGN] propagation d'erreur
[Termes IGN] théorème de Bayes
[Termes IGN] variable aléatoire
[Termes IGN] vecteur aléatoire multidimensionnelRésumé : (Auteur) The Bayesian approach allows an intuitive way to derive the methods of statistics. Probability is defined as a measure of the plausibility of statements or propositions. Three rules are sufficient to obtain the laws of probability. If the statements refer to the numerical values of variables, the so-called random variables, univariate and multivariate distributions follow. They lead to the point estimation by which unknown quantities, i.e. unknown parameters, are computed from measurements. The unknown parameters are random variables, they are fixed quantities in traditional statistics which is not founded on Bayes’ theorem. Bayesian statistics therefore recommends itself for Monte Carlo methods, which generate random variates from given distributions. Monte Carlo methods, of course, can also be applied in traditional statistics. The unknown parameters, are introduced as functions of the measurements, and the Monte Carlo methods give the covariance matrix and the expectation of these functions. A confidence region is derived where the unknown parameters are situated with a given probability. Following a method of traditional statistics, hypotheses are tested by determining whether a value for an unknown parameter lies inside or outside the confidence region. The error propagation of a random vector by the Monte Carlo methods is presented as an application. If the random vector results from a nonlinearly transformed vector, its covariance matrix and its expectation follow from the Monte Carlo estimate. This saves a considerable amount of derivatives to be computed, and errors of the linearization are avoided. The Monte Carlo method is therefore efficient. If the functions of the measurements are given by a sum of two or more random vectors with different multivariate distributions, the resulting distribution is generally not known. The Monte Carlo methods are then needed to obtain the covariance matrix and the expectation of the sum. Numéro de notice : A2018-613 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1515/jogs-2018-0003 Date de publication en ligne : 02/03/2018 En ligne : https://doi.org/10.1515/jogs-2018-0003 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92646
in Journal of geodetic science > vol 8 n° 1 (January 2018) . - pp 18 - 29[article]Subspace matching pursuit for sparse unmixing of hyperspectral data / Zhenwei Shi in IEEE Transactions on geoscience and remote sensing, vol 52 n° 6 Tome 1 (June 2014)
[article]
Titre : Subspace matching pursuit for sparse unmixing of hyperspectral data Type de document : Article/Communication Auteurs : Zhenwei Shi, Auteur ; Wei Tang, Auteur ; Zhana Duren, Auteur ; Zhiguo Jiang, Auteur Année de publication : 2014 Article en page(s) : pp 3256 - 3274 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse des mélanges spectraux
[Termes IGN] appariement d'images
[Termes IGN] image hyperspectrale
[Termes IGN] vecteur aléatoire multidimensionnelRésumé : (Auteur) Sparse unmixing assumes that each mixed pixel in the hyperspectral image can be expressed as a linear combination of only a few spectra (endmembers) in a spectral library, known a priori. It then aims at estimating the fractional abundances of these endmembers in the scene. Unfortunately, because of the usually high correlation of the spectral library, the sparse unmixing problem still remains a great challenge. Moreover, most related work focuses on the l1 convex relaxation methods, and little attention has been paid to the use of simultaneous sparse representation via greedy algorithms (GAs) (SGA) for sparse unmixing. SGA has advantages such as that it can get an approximate solution for the l0 problem directly without smoothing the penalty term in a low computational complexity as well as exploit the spatial information of the hyperspectral data. Thus, it is necessary to explore the potential of using such algorithms for sparse unmixing. Inspired by the existing SGA methods, this paper presents a novel GA termed subspace matching pursuit (SMP) for sparse unmixing of hyperspectral data. SMP makes use of the low-degree mixed pixels in the hyperspectral image to iteratively find a subspace to reconstruct the hyperspectral data. It is proved that, under certain conditions, SMP can recover the optimal endmembers from the spectral library. Moreover, SMP can serve as a dictionary pruning algorithm. Thus, it can boost other sparse unmixing algorithms, making them more accurate and time efficient. Experimental results on both synthetic and real data demonstrate the efficacy of the proposed algorithm. Numéro de notice : A2014-308 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2013.2272076 En ligne : https://doi.org/10.1109/TGRS.2013.2272076 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=33211
in IEEE Transactions on geoscience and remote sensing > vol 52 n° 6 Tome 1 (June 2014) . - pp 3256 - 3274[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 065-2014061A RAB Revue Centre de documentation En réserve L003 Disponible Cours de métrologie ES3 / Henri Duquenne (2003)
Titre : Cours de métrologie ES3 : Fasc. 1, Ajustement des réseaux en métrologie, Fasc. 2, Les gyrothéodolites Type de document : Guide/Manuel Auteurs : Henri Duquenne (1948-2010) , Auteur Editeur : Le Mans : Ecole Supérieure des Géomètres et Topographes ESGT Année de publication : 2003 Importance : 60 p. Format : 21 x 30 cm Langues : Français (fre) Descripteur : [Vedettes matières IGN] Topographie
[Termes IGN] covariance
[Termes IGN] distribution, loi de
[Termes IGN] estimation de précision
[Termes IGN] estimation statistique
[Termes IGN] gyrothéodolite
[Termes IGN] optimisation (mathématiques)
[Termes IGN] variance
[Termes IGN] vecteur aléatoire multidimensionnelIndex. décimale : 32.00 Topographie - généralités Numéro de notice : 14668 Affiliation des auteurs : IGN (1940-2011) Thématique : POSITIONNEMENT Nature : Manuel de cours Accessibilité hors numérique : Non accessible via le SUDOC Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=46424 Théorie des erreurs à deux composantes : Bruit et silence, Tome 2. Systèmes de mesure pluridimensionnels à configuration margée associée à une "figure" ou la compensation des mesures infiniment précises / Philippe Hottier (1980)
Titre de série : Théorie des erreurs à deux composantes : Bruit et silence, Tome 2 Titre : Systèmes de mesure pluridimensionnels à configuration margée associée à une "figure" ou la compensation des mesures infiniment précises Type de document : Rapport Auteurs : Philippe Hottier , Auteur Editeur : Paris : Institut Géographique National - IGN (1940-2007) Année de publication : 1980 Collection : Publications techniques en géodésie Sous-collection : Rapports techniques num. 26677 Importance : 121 p. Format : 21 x 30 cm Langues : Français (fre) Descripteur : [Vedettes matières IGN] Statistiques
[Termes IGN] approximation
[Termes IGN] bruit (théorie du signal)
[Termes IGN] compensation
[Termes IGN] erreur systématique
[Termes IGN] linéarisation
[Termes IGN] lissage de valeur
[Termes IGN] modèle stochastique
[Termes IGN] modélisation
[Termes IGN] silence
[Termes IGN] vecteur aléatoire multidimensionnelNuméro de notice : 51632B Affiliation des auteurs : IGN (1940-2011) Thématique : MATHEMATIQUE Nature : Rapport d'étude technique Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=43283 Voir aussiExemplaires(4)
Code-barres Cote Support Localisation Section Disponibilité 51632-02B 23.60 Livre Centre de documentation Mathématiques Disponible 51632-01B 23.60 Livre Centre de documentation Mathématiques Disponible 51632-04B K321 Livre LASTIG Dépôt en unité Exclu du prêt 51632-03B 7D Livre SGM K001 Exclu du prêt