0 0 id:dbhsnb_thesis_0000002236 xml mycoreobject dbhsnb_thesis_0000002236 dbhsnb_thesis_0000002236 dbhsnb thesis dbhsnb_derivate_0000002861 2022-05-05T12:48:41.485Z 2020-01-17T09:48:51.952Z administrator editorT published 1 dbhsnb_derivate_0000002861 true true derivate_types:fulltext state:published doctype:epub doctype:epub.masterthesis SDNB:620 institution:HSNB institution:HSNB.LG licenseinfo:work licenseinfo:work.rightsreserved licenseinfo:deposit licenseinfo:deposit.rightsgranted licenseinfo:metadata licenseinfo:metadata.cc0 accesscondition:openaccess rfc5646:en state:published doctype:epub doctype:epub.masterthesis SDNB:620 institution:HSNB institution:HSNB.LG licenseinfo:work licenseinfo:work.rightsreserved licenseinfo:deposit licenseinfo:deposit.rightsgranted licenseinfo:metadata licenseinfo:metadata.cc0 accesscondition:openaccess rfc5646:en Efficient sparse signal recovery of remote sensing data a classification method for hyperspectral image data Efficient sparse signal recovery of remote sensing data a classification method for hyperspectral image data gnd:1054825173 gnd:10115485-9 gnd:117513421X gnd:1054825173 gnd:10115485-9 gnd:117513421X Morteza Abdipourchenarestansofla Gerd Teschke Erik Borg Hochschule Neubrandenburg Hochschule Neubrandenburg Fachbereich Landschaftswissenschaften und Geomatik Morteza Abdipourchenarestansofla Gerd Teschke Erik Borg Hochschule Neubrandenburg Hochschule Neubrandenburg Fachbereich Landschaftswissenschaften und Geomatik Morteza Abdipourchenarestansofla Neubrandenburg Hochschule Neubrandenburg epub.masterthesis https://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000002236 Sparse Recovery Klassifikation Signalwiederherstellung hyperspektrale Bilder Das Anliegen dieser Arbeit ist , ein prinzipielles Klassifizierungspaket zu entwickeln für die Darstellung großer Datensätze für eine Klassifizierungsaufgabe. In dieser Arbeit wird ein Klassifizierungs-Algorithmus basierend auf der sparsamen Kodierung für die Klassifizierung eines gegebenen Testpixels aus einem hyperspektralen Bild entwickelt. Hyperspektrale Bilder im Fernerkundungsbereich haben die Charakteristik von Big Data in Bezug auf Geschwindigkeit, Richtigkeit und Volumen. 2019 2019 vorgelegt von Morteza Abdipourchenarestansofla epub.masterthesis 1 Masterthesis-Abdipourchenarestansofla-2019.pdf 2391018 402d6693696e6b3a89c2c05d339a0d3b dbhsnb/thesis2018-08461687620520OaurdaConverted from PICA to MODS using Pica2MODS with mode 'DEFAULT'.MasterarbeitHochschulschriftEfficient sparse signal recovery of remote sensing dataa classification method for hyperspectral image dataDas Anliegen dieser Arbeit ist , ein prinzipielles Klassifizierungspaket zu entwickeln für die Darstellung großer Datensätze für eine Klassifizierungsaufgabe. In dieser Arbeit wird ein Klassifizierungs-Algorithmus basierend auf der sparsamen Kodierung für die Klassifizierung eines gegebenen Testpixels aus einem hyperspektralen Bild entwickelt. Hyperspektrale Bilder im Fernerkundungsbereich haben die Charakteristik von Big Data in Bezug auf Geschwindigkeit, Richtigkeit und Volumen.MortezaAbdipourchenarestansoflaVerfasserInautGerdTeschkeAkademischeR BetreuerIndgs1054825173ErikBorgAkademischeR BetreuerIndgs10115485-9Hochschule Neubrandenburg01.09.2005 -Grad-verleihende Institutiondgg117513421XHochschule NeubrandenburgFachbereich Landschaftswissenschaften und GeomatikGrad-verleihende Institutiondgghttps://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000002236620 Ingenieurwissenschaften und MaschinenbauFachbereich Landschaftswissenschaften und Geomatikalle Rechte vorbehaltenNutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)en2019Hochschule NeubrandenburgNeubrandenburgmonographic201920192020Hochschulbibliothek NeubrandenburgNeubrandenburg2020Hochschulbibliothek Neubrandenburghttps://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000002236vorgelegt von Morteza AbdipourchenarestansoflaSparse RecoveryKlassifikationSignalwiederherstellunghyperspektrale Bilder 2020-01-17T09:48:51.952Z 2022-05-05T12:48:41.485Z editorT administrator fulltext file/dbhsnb_thesis_0000002236/dbhsnb_derivate_0000002861/Masterthesis-Abdipourchenarestansofla-2019.pdf [xslt]Saxon [url]https://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000002236 dbhsnb/thesis2018-0846 1687620520 Morteza Abdipourchenarestansofla Abdipourchenarestansofla Morteza Efficient sparse signal recovery of remote sensing data: a classification method for hyperspectral image data Masterarbeit master thesis Hochschule Neubrandenburg, 2019 Das Anliegen dieser Arbeit ist , ein prinzipielles Klassifizierungspaket zu entwickeln für die Darstellung großer Datensätze für eine Klassifizierungsaufgabe. In dieser Arbeit wird ein Klassifizierungs-Algorithmus basierend auf der sparsamen Kodierung für die Klassifizierung eines gegebenen Testpixels… open_access 2019 2019 epoch:21th_century rfc5646:en doctype:epub.masterthesis accesscondition:openaccess SDNB:620 institution:HSNB.LG state:published 1731990570793959424