斯瓦尔纳约蒂·帕特拉
人员信息
优化列表
2020年–今天
2024 [j24] 库纳尔·普拉丹 , 斯瓦纳约蒂·帕特拉 , 洛伦佐·布鲁佐内 以下为:
用于高光谱图像分类的扩展语义边缘软件过滤配置文件。 IEEE地质科学。 远程。 Sens.Lett公司。 21 以下为: 1-5 ( 2024 ) [公元23年] 库纳尔·普拉丹 , 斯瓦尔纳约蒂·帕特拉 以下为:
语义软件结构提供中值形态过滤。 视觉。 计算。 40 ( 2 ) 以下为: 505-521 ( 2024 ) 2023 [公元22年] 阿莫斯·博蒂尤 , 斯瓦尔纳约蒂·帕特拉 , 洛伦佐·布鲁佐内 以下为:
基于核稀疏表示分类器的高光谱图像分类主动学习。 IEEE地质科学。 远程。 Sens.Lett公司。 20 以下为: 1-5 ( 2023 ) 2021 [公元21年] 斯瓦尔纳约蒂·帕特拉 , 巴纳利·巴尔曼 以下为:
利用粗糙集理论中的边界样本进行高光谱波段选择的一种新的相关性定义。 申请。 软计算。 99 以下为: 106944 ( 2021 ) [公元20年] Arundhati Das公司 , 考沙尔·巴德瓦吉 , 斯瓦纳约蒂·帕特拉 以下为:
用于高光谱图像分类的具有自动属性轮廓的深度卷积神经网络。 万用表。 工具应用程序。 80 ( 28-29 ) 以下为: 35365-35385 ( 2021 ) 2020 [公元19年] 巴纳利·巴尔曼 , 斯瓦尔纳约蒂·帕特拉 以下为:
基于变精度粗糙集的无监督波段选择技术在高光谱图像分类中的应用。 知识。 基于系统。 193 以下为: 105414 ( 2020 ) [公元18年] Arundhati Das公司 , 斯瓦尔纳约蒂·帕特拉 以下为:
一种用于高光谱图像分类的属性轮廓中基于粗糙遗传算法的最优特征选择。 软计算。 24 ( 16 ) 以下为: 12569-12585 ( 2020 ) [公元17年] Arundhati Das公司 , 考沙尔·巴德瓦吉 , 斯瓦尔纳约蒂·帕特拉 , 洛伦佐·布鲁佐内 以下为:
一种新的阈值检测技术,用于高光谱图像中属性轮廓的自动构建。 IEEE J.选择。 顶部。 申请。 地球目标远程。 传感器。 13 以下为: 1374-1384 ( 2020 )
2010 – 2019
2019 [公元16年] 巴纳利·巴曼 , 斯瓦尔纳约蒂·帕特拉 以下为:
基于邻域粗糙集的波段选择技术在高光谱图像分类中的实证研究。 IET图像处理。 13 ( 8 ) 以下为: 1266-1279 ( 2019 ) [公元15年] 巴纳利·巴曼 , 斯瓦尔纳约蒂·帕特拉 以下为:
一种检测用于高光谱波段选择的邻域粗糙集次优阈值的新技术。 软计算。 23 ( 24 ) 以下为: 13709-13719 ( 2019 ) [公元14年] 考沙尔·巴德瓦吉 , 斯瓦尔纳约蒂·帕特拉 , 洛伦佐·布鲁佐内 以下为:
用于高光谱图像分类的无阈值属性剖面。 IEEE传输。 地质科学。 远程。 传感器。 57 ( 10 ) 以下为: 7731-7742 ( 2019 ) 【c8】 Arundhati Das公司 , 考沙尔·巴德瓦吉 , 斯瓦尔纳约蒂·帕特拉 以下为:
高光谱图像光谱空间分类的自动属性轮廓。 PReMI(1) 2019 以下为: 13-21 2018 [j13] 安舒·辛拉 , 斯瓦纳约蒂·帕特拉 以下为:
一种使用SVM分类器的快速基于分区的批模式主动学习技术。 软计算。 22 ( 14 ) 以下为: 4627-4637 ( 2018 ) 【c7】 Arundhati Das公司 , 考沙尔·巴德瓦吉 , 斯瓦尔纳约蒂·帕特拉 以下为:
用于高光谱图像分析的形态学复杂度轮廓。 降雨 2018 以下为: 1-6 2017 [j12] 安舒·辛拉 , 斯瓦纳约蒂·帕特拉 以下为:
一种用于图像分割的快速自动最佳阈值选择技术。 信号图像视频处理。 11 ( 2 ) 以下为: 243-250个 ( 2017 ) [公元11年] 斯瓦尔纳约蒂·帕特拉 , 考沙尔·巴德瓦吉 , 洛伦佐·布鲁佐内 以下为:
一种用于高光谱图像分类的光谱空间多准则主动学习技术。 IEEE J.选择。 顶部。 申请。 地球目标远程。 传感器。 10 ( 12 ) 以下为: 5213-5227 ( 2017 ) 2016 【c6】 安舒·辛拉 , 斯瓦尔纳约蒂·帕特拉 以下为:
基于PSO的上下文敏感阈值图像自动分割技术。 SocProS(2) 2016 以下为: 151-162 2015 [公元10年] 斯瓦尔纳约蒂·帕特拉 , 普拉拉·莫迪 , 洛伦佐·布鲁佐内 以下为:
基于粗糙集的高光谱波段选择。 IEEE传输。 地质科学。 远程。 传感器。 53 ( 10 ) 以下为: 5495-5503 ( 2015 ) 【c5】 斯瓦尔纳约蒂·帕特拉 , 洛伦佐·布鲁佐内 以下为:
一种用于高光谱图像分析的基于粗糙集的波段选择技术。 IGARSS公司 2015 以下为: 497-500 2014 [公元9年] 斯瓦尔纳约蒂·帕特拉 , 拉胡尔·高塔姆 , 安舒·辛拉 以下为:
一种新的上下文敏感的多级阈值图像分割方法。 申请。 软计算。 23 以下为: 122-127 ( 2014 ) [j8] 安舒·辛拉 , 斯瓦尔纳约蒂·帕特拉 , 洛伦佐·布鲁佐内 以下为:
一种新的基于渐进传递SVM学习的分类技术。 模式识别器。 莱特。 42 以下为: 101-106年 ( 2014 ) [j7] 斯瓦尔纳约蒂·帕特拉 , 洛伦佐·布鲁佐内 以下为:
一种新的基于SOM-SVM的主动学习遥感图像分类技术。 IEEE传输。 地质科学。 远程。 传感器。 52 ( 11 ) 以下为: 6899-6910 ( 2014 ) 2012 [j6] 斯瓦尔纳约蒂·帕特拉 , 洛伦佐·布鲁佐内 以下为:
基于多重不确定性的SVM分类器批量模式主动学习技术。 IEEE地质科学。 远程。 Sens.Lett公司。 9 ( 三 ) 以下为: 497-501 ( 2012 ) [j5] 斯瓦尔纳约蒂·帕特拉 , 洛伦佐·布鲁佐内 以下为:
一种基于集群消耗的批处理模式主动学习技术。 模式识别器。 莱特。 33 ( 9 ) 以下为: 1042-1048 ( 2012 ) [c4] 斯瓦尔纳约蒂·帕特拉 , 洛伦佐·布鲁佐内 以下为:
一种新的基于SOM的主动学习技术,用于支持向量机的遥感图像分类。 IGARSS公司 2012 以下为: 6879-6882 2011 【j4】 斯瓦尔纳约蒂·帕特拉 , 洛伦佐·布鲁佐内 以下为:
基于快速聚类假设的主动学习遥感图像分类技术。 IEEE传输。 地质科学。 远程。 传感器。 49 ( 5 ) 以下为: 1617-1626 ( 2011 )
2000 – 2009
2009 [j3] 苏西米塔·戈什 , 斯瓦尔纳约蒂·帕特拉 , 灰烬Ghosh 以下为:
一种基于改进的自组织特征映射神经网络的无监督上下文敏感变化检测技术。 国际期刊近似原因。 50 ( 1 ) 以下为: 37-50 ( 2009 ) 2008 [注2] 斯瓦尔纳约蒂·帕特拉 , 苏西米塔·戈什 , 灰烬Ghosh 以下为:
基于半监督多层感知器的遥感图像变化检测。 芬丹。 信息学 84 ( 3-4 ) 以下为: 429-442 ( 2008 ) [第1页] 苏西米塔·戈什 , 斯瓦尔纳约蒂·帕特拉 , 灰烬Ghosh 以下为:
遥感图像无监督变化检测的神经方法。 基于神经网络的语音、音频、图像和生物医学信号处理 2008 以下为: 243-268 2007 [j1] 苏西米塔·戈什 , 洛伦佐·布鲁佐内 , 斯瓦尔纳约蒂·帕特拉 , 弗朗西丝卡·波沃洛 , 灰烬Ghosh 以下为:
基于Hopfield型神经网络的上下文敏感无监督变化检测技术。 IEEE传输。 地质科学。 远程。 传感器。 45 ( 三 ) 以下为: 778-789 ( 2007 ) 【c3】 斯瓦尔纳约蒂·帕特拉 , 苏西米塔·戈什 , 灰烬Ghosh 以下为:
基于改进自组织特征映射神经网络的遥感图像无监督变化检测。 ICCTA公司 2007 以下为: 716-720 【c2】 斯瓦尔纳约蒂·帕特拉 , 苏西米塔·戈什 , 灰烬Ghosh 以下为:
基于多层感知器的遥感图像变化检测半监督学习。 PReMI公司 2007 以下为: 161-168 2006 【c1】 斯瓦尔纳约蒂·帕特拉 , 苏西米塔·戈什 , 灰烬Ghosh 以下为:
基于一维自组织特征映射神经网络的遥感图像无监督变化检测。 ICIT公司 2006 以下为: 141-142