| dc.contributor.advisor | Siņica-Siņavskis, Juris | |
| dc.contributor.author | Trams, Atvars | |
| dc.contributor.other | Latvijas Universitāte. Fizikas un matemātikas fakultāte | |
| dc.date.accessioned | 2016-07-04T01:09:26Z | |
| dc.date.available | 2016-07-04T01:09:26Z | |
| dc.date.issued | 2016 | |
| dc.identifier.other | 55858 | |
| dc.identifier.uri | https://dspace.lu.lv/dspace/handle/7/33482 | |
| dc.description.abstract | Bakalaura darbs veltīts daudzdimensionālu attēlu apstrādes un pikseļu klasifikācijas metožu izveidei. Bakalaura darbā sniegti klasifikāciju uzdevumu risinājumi, veidojot matemātisku modeli. Modeļu izveidei tiek izmantoti Eiklīda, Čebiševa, Mahalanobisa un galvenā virziena distances mēri. Dimensiju skaita redukcija ir veikta ar galveno komponentu metodi. Par kvalitātes rādītāju izvēlēta iegūtā klasifikatora kopējā precizitāte. | |
| dc.description.abstract | The bachelor work is related to hyperspectral image processing and implementation of the pixel classification method.. For making mathematical model classification task solution are given in the bachelor work. The model is based on Euclidean, Chebyshev, Mahalanobis and city block distance. Dimension reduction is done with principal component analysis. Overall accuracy measure is used as a quality indicator of the classification method. | |
| dc.language.iso | lav | |
| dc.publisher | Latvijas Universitāte | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Matemātika | |
| dc.subject | hiperspektrālu attēlu pikseļu klasifikācija | |
| dc.subject | galveno komponenšu metode | |
| dc.subject | attēlu apstrāde | |
| dc.subject | tēlu pazīšana | |
| dc.title | Hiperspektrālu attēlu dimensiju skaita redukcijas metode | |
| dc.title.alternative | Dimensionality reduction method of hyperspectral images | |
| dc.type | info:eu-repo/semantics/bachelorThesis | |
