文献

J-GLOBAL ID：201702279362647463   整理番号：17A0109634

多次元知識を考慮したGLOBELAND30カーネル最適化モデル【JST・京大機械翻訳】

著者 (9件)： Zhang Weiwei (国家基礎地理信息中心) ,  Chen Jun (国家基礎地理信息中心) ,  Liao Anping (国家基礎地理信息中心) ,  Han Gang (国家基礎地理信息中心) ,  Chen Xuehong (北京師范大学) ,  Chen Lijun (国家基礎地理信息中心) ,  Peng Shu (国家基礎地理信息中心) ,  Wu Hao (国家基礎地理信息中心) ,  Zhang Jun (国家基礎地理信息中心)
資料名： Zhongguo Kexue. Diqiu Kexue  (Zhongguo Kexue. Diqiu Kexue)
巻： 46  号： 9  ページ： 1149-1161  発行年： 2016年 
JST資料番号： C2584A  ISSN： 1674-7240  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 自然、生態と人文などの多次元知識補助計算機のリモートセンシング自動分類を総合的に運用し、大面積の地表被覆リモートセンシングデータの製品品質を確保することは長年の国際的に解決された科学技術の難題である。本論文では,30Mの土地被覆リモートセンシングデータ製品製品30の開発過程において,多次元知識を考慮した試験の最適化モデルを提案し,それにより,「ピクセル-オブジェクト」に基づくリモートセンシング自動分類結果についての知識発見を行い,誤分類/漏れ問題を発見し修正した。最初に,地球規模の土地被覆分布に関する事前知識を要約し,地表被覆に関する地域地形分布の法則,時間的連続性,および空間的関係などの品質に関する知識規則を提示した。次に,ネットワーク化サービスプラットフォームに基づく対話型協力的試験技術を開発して,それは,分類の異常領域を見つけることができて,各々の種類の最小限の判定基準によって,間違った分類情報を判定して,それらを修正して,最適化するために開発した。林灌草と裸地データを例として、10%の図幅を抽出し、最適化前後の分類精度比較分析を行い、品質が明らかに改善され、精度が最大%%まで向上することが分かった。このモデルを用いて、GLOBELAND30データに対して逐類検核と最適化処理を行い、錯漏分の問題を有効に削減し、2010期の製品の全体精度は83.50%.%に達した。このモデルはその他の全世界あるいは地域の地表被覆データ製品の開発に用いることができる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 画素 ,  自動分類 ,  製品品質 ,  判定基準 ,  知識発見 ,  科学技術 ,  *最適化 ,  土地被覆 ,  *高次元 ,  リモートセンシング ,  連続性
準シソーラス用語： 分類精度 ,  事前知識 ,  リモートセンシングデータ ,  *最適化モデル , 【Automatic Indexing@JST】

分類 (2件)： 研究開発  (AA03000V) ,  自然保護  (SB06000L)

タイトルに関連する用語 (4件)： 多次元 ,  知識 ,  カーネル ,  最適化モデル