Resumen

El trabajo existente sobre segmentación no supervisada frecuentemente no presenta ningún alcance estadístico para estimar y equiparar procedimientos, satisfaciendo un cálculo cualitativo. Además, a pesar de los datos de que se dedica una gran cantidad de investigación al avance de un enfoque de segmentación novedoso y a la mejora de las técnicas de aprendizaje profundo, existe una falta de investigación que comprenda la evaluación de metodologías de segmentación convencionales destacadas para HSI. En este documento, para llenar moderadamente esta brecha, proponemos un método directo que disminuye los problemas en cierta medida con los métodos de aprendizaje profundo en el ámbito de un espacio HSI y evaluamos las técnicas de segmentación propuestas basadas en el método del modelo de aprendizaje profundo iterativo basado en agrupamiento para la segmentación HSI denominado CPIDM. El modelo propuesto es una técnica de agrupamiento HSI no supervisada centrada en la densidad de píxeles en el espacio interplanetario espectral y en la distancia entre los p

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Procedimientos; Segmentación; Aprendizaje profundo; HSI; CPIDM; No supervisado
• Keywords:Procedures; Segmentation; Deep learning; HSI; CPIDM; Unsupervised