文献

J-GLOBAL ID：201702274849739938   整理番号：17A0379317

離散空間モデルとサポートベクトルマシンを用いたハイパースペクトル画像分類【Powered by NICT】

Hyperspectral Image Classification Using Discrete Space Model and Support Vector Machines

著者 (5件)： Xie Li (College of Electronics and Information Engineering, Tongji University, Shanghai, China) ,  Li Guangyao (College of Electronics and Information Engineering, Tongji University, Shanghai, China) ,  Xiao Mang (College of Electronics and Information Engineering, Tongji University, Shanghai, China) ,  Peng Lei (College of Electronics and Information Engineering, Tongji University, Shanghai, China) ,  Chen Qiaochuan (College of Electronics and Information Engineering, Tongji University, Shanghai, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 14  号： 3  ページ： 374-378  発行年： 2017年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 本論文では,離散空間モデル(DSM)とサポートベクトルマシン(SVM)に基づく新しい方法は,ハイパースペクトル画像(HSI)分類のために提案した。DSMアプローチを,連続スペクトル特徴を変換する離散的な特徴と離散特徴空間モデルを構築した。,SVMの分類能力は,離散特徴空間のために改善することができる。さらに,隣接ピクセル間のスペクトルおよび空間的特徴の利点を利用するために採用されている複合カーネルモデル。提案した方法は,分類のための実際のHSIに適用した。実験結果は,SVMのための分類精度は,分類に先立ってDSM法を用いて改善できることを確認した。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： *サポートベクトルマシン ,  画素 ,  *スペクトル ,  連続スペクトル
準シソーラス用語： 分類精度 ,  特徴空間 ,  *ハイパースペクトル画像 ,  *空間モデル , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 空間モデル ,  サポートベクトルマシン ,  ハイパースペクトル画像分類