{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,4,29]]，“日期时间”：“2024-04-29T12:31:33Z”，“时间戳”：1714393893477}，“发布者位置”：“Cham”，“引用计数”：41，“发布商”：“Springer International Publishing”，“isbn-type”：[{“值”：“9783030521899”，“类型”：”打印“}，{“值”：“9783030521905”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2020,8,18]]，“date-time”：“2020-08-18T00:00:00Z”，“timestamp”：159770880000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}，{“start”：{“date-parts”：[2020,8,18:]，“日期-时间”：“2040-08-18”T00:00:00Z“，”时间戳“：159770880000}，”内容版本“：”vor“，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2021]]}，”DOI“：”10.1007\/978-3-030-52190-5_12“，”type“：”book-chapter“，”“created“：{”date-part“：[[2020,8,17]]，“日期时间”：“2020-08-17T16:06:33Z”，“时间戳”：1597680393000}，“页面”：“174-188”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“交叉引用”，“is-referenced-by-count”：6，“标题”：[“高光谱图像分类的特征提取技术”]，“前缀”：“10.1007”，”作者：[{“given”：“Asma”，“family”：“Fejjari”，“sequence”：“first”，“affiliation”：[]}、，{“given”：“Karim”，“family”：“Saheb-Ettabaa”，“sequence”：“additional”，“affiliation”：[]}，{“given”:“Ouajdi”，”family“：”Korbaa“，”sequence“：”additional“，”affiliation:[]}]，“member”：“297”，“published-online”：{“date-parts”：[2020,8,18]]}；“reference”：[{“issue”：“6”，“key”：”12_CR1“，“doi-asserted-by”：“crossref”，“first page”：“1026”，“doi”：“10.1109\/JSTSP.2015.2417833”，“volume”：“9”，“author”：“V Laparra”，“year”：“2015”，“unstructured”：“Laparra，V.，Malo，J.，Camps-Valls，G.：通过高光谱图像中的回归降维。IEEE J.Sel.Top.Sign.Process.9（6），1026\u20131036（2015）”，“journal-title”：“IEEE J.Sel.Top.Sign.Process”}，{“key”：”12_CR2“，”doi-asserted-by“：“crossref”，“unstructured”：“Kurz，T.H.，Buckley，S.J.：近距离应用中的高光谱成像综述。摘自：国际摄影测量和遥感学会大会，第865\u2013870页。国际摄影测量、遥感和空间信息科学档案馆，捷克共和国布拉格（2016）“，“DOI”：“10.5194”，“isprs-Archives-XLI-B5-865-2016”}，{“key”：“12_CR3”，“unstructured”：“计算智能搜索组网站。\nhttp://www.ehu.eus \/ccwintco \/index.php？title=Hyperspectral_Remote_Sensing_Scenes\n\n。2017年12月5日访问“}，{“issue”：“3”，“key”：“12_CR4”，“doi-asserted-by”：“crossref”，“first-page”：“1”，“doi”：“10.1145\/1961189.1961199”，“volume”：”2“，“author”：“C-C Chang”，“year”：“2011”，“unstructured”：“Chang，C.-C.，Lin，C.-J.：LIBSVM：支持向量机库。ACM Trans.Intell.Syst.Technol.2（3），1\u201327（2011）“，”日志标题“：”ACM事务处理。智力。系统。Technol公司。“｝，｛”key“：”12_CR5“，”doi asserted by“：”crossref“，”nonstructured“：”Ma，L.，Crawford，M.M.，Tian，J.：使用局部切线空间对齐的高光谱图像异常检测。发表于：2010 IEEE国际地球科学和遥感研讨会，美国夏威夷火奴鲁鲁，第824\u2013827页。IEEE（2010）”，“DOI”：“10.1109\/IGARSS.2010.5652183”}，｛“issue”：“7”，“key”：“12_CR6”，“DOI断言”：“crossref”，“first page”：“497”，“DOI”：“10.1049\/el.2010.2613”，“volume”：“46”，“author”：“L Ma”，“year”：“2010”，“nonstructured”：“Ma，L.，Crawford，M.M.，Tian，J.W.：用于高光谱图像分类的广义监督局部切线空间对齐。电子。莱特。46（7），497\u2013498（2010）“，“新闻标题”：“电子。莱特。“}，{”issue“：”9“，”key“：”12_CR7“，”doi-asserted-by“：”crossref“，”first-page“：”5160“，”doi“：”10.1109\/TGRS.2015.2418203“，”volume“：“53”，“author”：“H Huang”，“year”：“2015”，“unstructured”：“Huang，H.，Yang，M.：用稀疏判别嵌入对高光谱图像进行降维。IEEE Trans.Geosci.Remote Sens.53（9），5160\u20135169（2015）”，“”journal-title“：”IEEE Trans。地质科学。遥感”}，{“key”：“12_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Khodr，J.，Younes，R.：高光谱图像的降维：基于人工数据的比较综述。摘自：2011年第四届国际图像和信号处理大会，中国上海，第1875\u20131883页。IEEE（2011）“，”DOI“：”10.1109\/CISP.2011.6100531“}，{“key”：“12_CR9”，“unstructured”：“Khoder，J.：新算法pour la R\u00e9reduction de la Dimensionalit\u00e 9 en Imagerie Hyperspectrale。博士论文，凡尔赛大学圣昆廷大学和黎巴嫩大学（2014）”}，}“issue”：“10”，“key“：”“12_CR10”，“DOI-asserted-by”：“crossref“，”first-page“：”5591“，”DOI“：”10.1073\/pnas.1031596100“，”volume“：”100“，”author“：”DL Donoho“，“year”：“2013”，”unstructured“：”Donoho.，D.L.，Grimes，C.：Hessian特征映射：高维数据的新局部线性嵌入技术。美国国家科学院。科学。100（10），5591\u20135596（2013）”，“期刊标题”：“美国国家科学院。科学。“}，{”问题“：”10“，”关键“：”12_CR11“，”首页“：”92“，”卷“：”3“，”作者“：”SP-Lodha“，”年份“：”2014“，”非结构化“：”Lodha，S.P.，Kamlapur，S.M.：高光谱图像的维数缩减技术。国际应用与创新工程管理协会（IJAIEM）3（10），92\u201399（2014）“，”期刊标题“国际应用与创业工程管理协会”M）“}，{”问题“：”1“，”key“：”12_CR12“，”doi-asserted-by“：”crossref“，”first-pages“：”1“，”doi“：”10.1117\/1.JBO.19.9.096013“，”volume“：“19”，“author”：“G Lu”，“year”：“2014”，“unstructured”：“Lu，G.，Fei，B.：医学高光谱成像：综述。J.生物识别。选择。19（1），1\u201323（2014）“，“新闻标题”：“J.Biomed。选择。“}，{”issue“：”1“，”key“：”12_CR13“，”doi-asserted-by“：”crossref“，”first-page“：”242“，”doi“：”10.1109\/TGRS.2012.2197860“，”volume“：“51”，”author“：”L Zhang“，”year“：”2013“，”unstructured“：”Zhang，L.、Zhang、L.、Tao，D.、Huang，X.：用于高光谱图像光谱空间特征提取的张量判别局部对齐。IEEE传输。地质科学。远程传感器51（1），242\u2013256（2013）”，“期刊标题”：“IEEE Trans。地质科学。遥感“}，{”问题“：“4”，”关键“：“12_CR14”，“doi-asserted-by”：“crossref”，“首页”：“149”，”doi“：“10.1109\/MSP.2014.2312071”，“卷”：“31”，“作者”：“任正非”，“年份”：“2014”，“非结构化”：“任，J.，ZabalzaIEEE信号处理。Mag.31（4），149\u2013154（2014）“，“期刊标题”：“IEEE信号处理。Mag.“}，{“key”：“12_CR15”，“doi-asserted-by”：“crossref”，“unstructured”：“Deepa，P.，Thilagavathi，K.：使用主成分分析和折叠主成分分析提取高光谱图像的特征。收录于：2015年第二届国际电子与通信系统会议（ICECS），印度哥印拜陀，pp.656\u2013660。IEEE（2015）“，”DOI“：”10.1109\/ECS.2015.7124989“}，{”key“：”12_CR16“，”first page“：“13”，“volume”：“2015”，”author“：”H Luo“，”year“：”2015“，”unstructured“：”Luo，H.，Tang，Y.Y.，Li，C.，Yang，L.：局部和全局几何结构保留及其在高光谱图像分类中的应用。数学与工程2015，13（2015）”，“期刊标题”：“数学。问题。工程“}，{“问题”：“8”，“关键”：“12_CR17”，“doi-asserted-by”：“crossref”，“首页”：“1059”，“doi”：“10.1109\/LGRS.2016.2564993”，“卷”：“13”，“作者”：“Y Zhai”，“年份”：“2016”，“非结构化”：“翟，Y.，Zhang，L.，Wang，N.，Guo，Y.、岑，Y..、Wu，T.、Tong，Q.：一种用于高光谱图像分类的改进的局部保持投影方法。IEEE地质科学。遥感快报。13（8），1059\u20131063（2016）“，“期刊标题”：“IEEE Geosci。遥感快报。“}，{”key“：”12_CR18“，”doi-asserted-by“：”crossref“，”unstructured“：”Zhang，X.，Chew，S.E.，Xu，Z.，Cahill，N.D.：SLIC超像素，用于高效降低高光谱图像基于图形的维数。In:SPIE Algorithms and Technologies for Multispectrical，Hyperspectrical，and Ultraspectrical imagery XXI，p.947209（2015）“doi”：“10.1117\/12.176911“}，{“key”：“12_CR19”，“unstructured”：“法国，S.L.，Carroll，J.D.：双向多维尺度：综述。IEEE Trans.Syst.Man Cybern.第C部分（应用版本）41（5），644\u2013661（2011）”}，}，“issue”：“6”，“key“：”12_CR20“，”doi-asserted-by“：”crossref“，”首页“：”7785“，“doi”：“10.3390\/rs70607785”，“”卷“：”7“，”作者“：”Y Long“，”年”：“2015年”，“非结构化”：“Long，Y.，Li，H.-C.，Celik，T.，Longbotham，N.，Emery，W.J.：高光谱图像可视化的双映射成对分布分析驱动的降维模型。遥感传感器7（6），7785\u20137808（2015）”，“期刊标题”：“遥感传感器”}，{“键”：“12_CR21”，“doi断言”：“crossref”，“非结构化”：“Fang，J.，Qian，Y.：局部细节增强高光谱图像可视化。在：2015 IEEE国际地球科学与遥感研讨会（IGARSS），意大利米兰，第1092\u20131095页。IEEE（2015）“，“DOI”：“10.1109\/IGARSS.2015.7325960”}，{“key”：“12_CR22”，“DOI-asserted-by”：“crossref”，“unstructured”：“Naud，A.，Duch，W.：使用MDS与LVQ相结合的大数据集可视化。摘自：第六届神经网络与软计算国际会议，波兰扎科潘，pp.632\u2013637（2002）”，“DOI:”10.1007\/978-3-7908-1902-1_97“}，{“key”：“12_CR23”，“unstructured”：“De Silva，V.，Tenenbaum，J.B.：非线性降维中的全局与局部方法。摘自：第十五届神经信息处理系统国际会议，马萨诸塞州，美国，第721\u2013728（2003）页”}，}，“key“：”12_CR24“doi-asserted-by”：“crossref”，“非结构化”：“Velasco-Forero，S.、Angulo，J.、Chanussot，J.：使用Kernel-PCA和ISOMAP进行高光谱维度探索的形态学图像距离。2009年IEEE国际地球科学和遥感研讨会，南非开普，pp.III-109\u2013III-112。IEEE（2009）”，“DOI”：“10.1109\/IGARSS.2009.5418063”}，｛“key”：“12_CR25”，“非结构化”：“Jin，C.，Bachmann，C.M.：在异构系统上使用OpenCL在高光谱图像中应用的ISOMAP算法的并行加速。在：第35届加拿大遥感研讨会（2014）”}，｛“key”：“12_CR26”，“DOI断言为”：“crossref”，“首页”：“25”，“DOI“：”10.1016\/j.isprsjprs.2013.12.003“，”volume“：”89“，”author“：”W Sun“，”year“：”2014“，”unstructured“：”Sun，W.、Halevy，A.、Benedetto，j.j.、Czaja，W.，Liu，C.、Wu，H.、Shi，B.、Li，W.:UL-ISOMAP非线性降维用于高光谱图像分类。ISPRS J.摄影。遥感89，25\u201336（2014）“，“新闻标题”：“ISPRS J.Photogram。遥感器“}，{“issue”：“3”，“key”：“12_CR27”，“doi-asserted-by”：“crossref”，“first page”：”232“，“doi”：“10.1504\/IJSCC.2011.042430”，“volume”：《3》，“author”：“L Du Plessis”，“year”：“2011”，“unstructured”：“Du Plessis，L.，Xu，R.，Damelin，S.，Sears，M.，Wunsch，D.C.：用扩散图和k-means聚类法降低高光谱数据的维数。控制通信。3（3），232\u2013251（2011）”，“期刊标题”：“国际期刊系统。控制通信。}，{“key”：“12_CR28”，“doi-asserted-by”：“crossref”，“unstructured”：“Xu，R.，Du Plessis，L.，Damelin，S.，Sears，M.，Wunsch，D.C.：用扩散图和模糊ART分析高光谱数据。摘自：2009年神经网络国际联合会议，美国佐治亚州亚特兰大，pp.3390\u20133397。IEEE（2009）“，“DOI”：“10.1109\/IJCNN.2009.5178910”}，{“key”：“12_CR29”，“DOI-asserted-by”：“crossref”，“unstructured”：“Licciardi，G.A.，Chanussot，J.，Vasile，G.，Piscini，A.：使用非线性PCA提高高光谱图像质量。摘自：2014年IEEE国际图像处理会议（ICIP），法国巴黎，第5087\u20135091页，IEEE（2014）”，“DOI:”10.1109\/ICIP.2014.7026030“}，{“key”：“12_CR30”，“doi-asserted-by”：“crossref”，“unstructured”：“Liao，W.，Pizurica，A.，Philips，W.、Pi，Y.：高光谱图像的快速迭代核PCA特征提取。摘自：2010年第17届IEEE国际图像处理会议（ICIP），中国香港，第1317\u20131320页。IEEE（2010）“，“DOI”：“10.1109\/ICIP.2010.5651670”}，{“key”：“12_CR31”，“unstructured”：“Ghedira，H.：Utilisation de r \u00e9seaux de Neurones pour la cartographiie des milieux humides\u00e 0 partir d\u2019une S\u00e\ries tempolel d\u209image RADARSAT-1。魁北克大学INRS-Eau博士论文，2002年8月“}，{“key”：“12_CR32”，“首页”：“10”，“卷”：“2016”，“author”：“Cxing”，“year”：“2016”，“unstructured”：“Xing，C.，Ma，L.，Yang，X.：基于叠加去噪自动编码器的高光谱图像特征提取和分类。J.Sens.2016，10（2016）”，“journal title”：“J.Sens”}12_CR33”，“非结构化”：“Wadstromer，N.，Gustafsson，D.：使用堆叠自动编码器的非线性高光谱子空间映射。摘自：瑞典人工智能学会（SAIS）第29届年度研讨会，Malm\u00f6，瑞典（2016）“}，{“问题”：“6”，“关键”：“12_CR34”，“首页”：“753”，“卷”：“31”，“作者”：“L Ma”，“年份”：“2010”，“非结构化”：“Ma，L.，Crawford，M.M.，Tian，J.：基于鲁棒局部线性嵌入的高光谱图像异常检测。J。红外Millim。技术。Waves 31（6），753\u2013762（2010）“，“新闻标题”：“J.Infrared Millim。技术。Waves“}，{”issue“：“2”，”key“：“12_CR35”，”doi-asserted-by“：”crossref“，”first page“：”025026“，”doi“：”10.1117\/1.JRS.10025026”，“volume”：“10”，“author”：“L Zhang”，“year”：“2016”，“unstructured”：“Zhang，L.，Zhao，C.：基于局部线性嵌入的稀疏散度指数，用于高光谱异常检测。J.Appl.Remote Sens.10（2），025026（2016）”，“新闻标题“：”J.Appl。遥感“}，{”issue“：“1”，”key“：“12_CR36”，”doi-asserted-by“：”crossref“，”first page“：”1“，”doi“：”10.1117\/1.2723663“，”volume“：1”，“author”：“G Chen”，“year”：“2007”，“unstructured”：“Chen，G.，Qian，S.-E.：使用改进的局部线性嵌入降低高光谱图像的维数。J.Appl.Remote Sens.1（1），1\u201310（2007）”，“新闻标题“：”J.Appl。遥感器“}，{“问题”：“4”，“密钥”：“12_CR37”，“doi-asserted-by”：“crossref”，“首页”：“2241”，“doi”：“10.1109\/TGRS.2014.2358615”，“卷”：“53”，“作者”：“X Kang”，“年份”：“2015”，“非结构化”：“Kang，X.，Li，S.，Fang，L.，Benediktsson，J.A.：用于高光谱图像特征提取的内部图像分解。IEEE传输。地质科学。遥感器53（4），2241\u20132253（2015）“，“期刊标题”：“IEEE Trans。地质科学。遥感”}，{“key”：“12_CR38”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang，J.：Hessian局部线性嵌入。In:高维数据的几何结构和降维，第249\u2013265页。Springer，Heidelberg（2011）“，“DOI”：“10.1007\/978-3642-27497-8_13”}，{“key”：“12_CR39”，“DOI-asserted-by”：“crossref”，“unstructured”：“Fejjari，A.，Saheb-Ettabaa，K.，Korbaa，O.：用于高光谱图像分类的改进Schroedinger特征映射投影算法。收录于：IEEE \/ACS第14届国际计算机系统与应用会议（AICCSA），突尼斯哈曼梅，第809\u2013814页。IEEE（2017）“，“DOI”：“10.1109\/AICCSA.2017.15”}，{“key”：“12_CR40”，“DOI-asserted-by”：“crossref”，“unstructured”：“Fejjari，A.，Saheb-Ettabaa，K.，Korbaa，O.：高效高光谱特征提取的改进的基于图形的算法。摘自：第32届计算机与信息科学国际研讨会（ISCIS），波兰波兹南，第87\u201395页。Springer（2018）“，”DOI“：”10.1007\/978-3-030-00840-6_10“}，{”key“：”12_CR41“，”DOI-asserted-by“：”crossref“，”unstructured“：”Fejjari，A.，Saheb-Ettabaa，K.，Korbaa，O.：用于高光谱特征提取的快速空间光谱Schroedinger特征映射算法。摘自：塞尔维亚贝尔格莱德第二十二届基于知识和智能信息与工程系统（KES）国际会议，第656\u2013664页（2018）“，“DOI”：“10.1016\/j.procs.2018.07.300”}]，“container-title”：[“软计算应用”，“智能系统和计算的进展”]，“原始标题”：[]，“链接”：[{“URL”：“http:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-52190-5_12“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2020,8,17]]，”date-time“：“2020-08-17T16:19:59Z”，“timestamp”：1597681199000}，“score”：1，“resource”：{“primary”:{“URL”：“http://\/link.springer.com/10.1007\/978-3-030-52190-5_12“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2020,8,18]]}，“ISBN”：[“9783030521899”，“97830030521905”]，”参考计数“：41，”URL“http://\/dx.doi.org\/10.10007\/978-3-030-52 190-5_13”，“关系”：{}，N“：[”2194-5357“，”2194-50365“]，”ISSN-type“：[{”value“：”2194-2557“，”type“:”print“}，{“value”：“2194-5365”，“type”：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[[2020,8,18]]}，“assertion”：[{“value”：“2020年8月18日”，“order”：1，“name”：“first_online”，“label”：“first online”，“，”label“：”会议缩写“，”group“：{“name”：“ConferenceInfo”，“label”：“Meeting Information”}}，{“value”：“International Workshop Soft Computing Applications”，“order”：2，“name”:“Conference_name”，“标签”：“会议名称”，“group”：：“ConferenceInfo”，“label”：“Confection Information”}}，{“value”：“Romania”，“order”：4，“name”：“Conference_country”，“标签”：“会议国家”，“group”：{“name”:“ConferenceInfo”}，{“value”：“2018年9月13日”，“order”：7，“name”：“conference_start_date”，“label”：“会议开始日期”，“group”：，“order”：9，“name”：“conference_number”，“label”：“conference number”，“group”：{“name”:“ConferenceInfo”，”label“：“Confection Information”}}，{“value”：“sofa2018”，“order:10，”name“：”conference_id“，”lable“：”ConferenceID“，”group“：{”name“:”ConferencieInfo“，”label“：”会议信息“}}”，{”value“：”http://\\sofa2018.org\/index.html“，“订单”：11，“名称”：“conference_url”，“label”：“会议url”，“group”：{“name”：“ConferenceInfo”，“标签”：“大会信息”}}]}}