文献

J-GLOBAL ID：201702222002383363   整理番号：17A0852760

回転ランダムフォレストによるKPCA(カーネル主成分分析)によるハイパースペクトル画像分類【Powered by NICT】

Hyperspectral Image Classification With Rotation Random Forest Via KPCA

著者 (5件)： Xia Junshi (Research Center for Advanced Science and Technology, The University of Tokyo, Tokyo, Japan) ,  Falco Nicola (Climate and Ecosystem Sciences Division - Lawrence Berkeley National Laboratory, Berkeley, CA, USA) ,  Benediktsson Jon Atli (Faculty of Electrical and Computer Engineering, University of Iceland, Reykjavik, Iceland) ,  Du Peijun (Key Laboratory for Satellite Mapping Technology and Applications of State Administration of Surveying, Mapping and Geoinformation of China, Nanjing University, Nanjing, China) ,  Chanussot Jocelyn (GIPSA-laboratory, Grenoble Institute of Technology, Grenoble, France)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 10  号： 4  ページ： 1601-1609  発行年： 2017年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ランダムフォレスト(RF)は,ハイパースペクトルデータ分類の良好な性能を示すために広く用いられている分類器である。しかし,そのような性能は,アンサンブルアーキテクチャを特性化する多様性を増加させることにより改善することができた。本論文では,新しいアンサンブルアプローチ,すなわちカーネル主成分分析(RoRF KPCA)による回転ランダムフォレストを提案した。特に,元の特徴空間を最初にランダムにいくつかのサブセットに分割し,KPCA(カーネル主成分分析)は高次統計量を抽出するために各サブセットで行った。得られた特徴集合を併合とRF分類器への入力として使用した。最後に,各ステップで達成された結果は,多数決により融合した。実験的解析は,RF,回転森とサポートベクターマシンとRoRF PCAと比較して提案した方法の性能を評価するために実際のハイパースペクトルリモートセンシング画像を用いて行った。得られた結果は,提案した方法の有効性を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 部分集合 ,  サポートベクトルマシン ,  高次統計量 ,  *画像 ,  キャラクタリゼーション ,  多数決論理
準シソーラス用語： ハイパースペクトル・リモートセンシング ,  特徴空間 ,  ハイパースペクトルデータ ,  *カーネル主成分分析 ,  *ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ランダムフォレスト ,  KPCA ,  カーネル主成分分析 ,  ハイパースペクトル画像分類