GMM-based Synthetic Samples for Classification of Hyperspectral Images with Limited Training Data

Beitrag in einer Fachzeitschrift
(Originalarbeit)


Details zur Publikation

Autorinnen und Autoren: Davari A, Aptoula E, Yanikoglu B, Maier A, Riess C
Zeitschrift: IEEE Geoscience and Remote Sensing Letters
Jahr der Veröffentlichung: 2018
Band: 15
Heftnummer: 6
Seitenbereich: 942-946
ISSN: 1545-598X
Sprache: Englisch


FAU-Autorinnen und Autoren / FAU-Herausgeberinnen und Herausgeber

Davari, Amirabbas
Lehrstuhl für Informatik 5 (Mustererkennung)
Maier, Andreas Prof. Dr.-Ing.
Lehrstuhl für Informatik 5 (Mustererkennung)
Rieß, Christian Dr.-Ing.
Lehrstuhl für Informatik 1 (IT-Sicherheitsinfrastrukturen)


Zitierweisen

APA:
Davari, A., Aptoula, E., Yanikoglu, B., Maier, A., & Riess, C. (2018). GMM-based Synthetic Samples for Classification of Hyperspectral Images with Limited Training Data. IEEE Geoscience and Remote Sensing Letters, 15(6), 942-946. https://dx.doi.org/10.1109/LGRS.2018.2817361

MLA:
Davari, Amirabbas, et al. "GMM-based Synthetic Samples for Classification of Hyperspectral Images with Limited Training Data." IEEE Geoscience and Remote Sensing Letters 15.6 (2018): 942-946.

BibTeX: 

Zuletzt aktualisiert 2019-05-01 um 05:10