文献

J-GLOBAL ID：201502205235096758   整理番号：15A1256312

ハイパースペクトル・リモートセンシングデータにおける機械学習の地質学的用途

Geological Applications of Machine Learning in Hyperspectral Remote Sensing Data

著者 (3件)： TSE C. H. (Univ. Hong Kong, Hong Kong, CHN) ,  LI Yi-Liang (Univ. Hong Kong, Hong Kong, CHN) ,  LAM Edmund Y. (Univ. Hong Kong, Hong Kong, CHN)
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 9405  ページ： 940512.1-940512.6  発行年： 2015年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
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： 本稿では,クラスタ密度推定と分類を達成するための機械学習方法,特に教師なし学習を探索し,最終的に鉱物の同定につながる効率的な手段について報告した。学習のためにソフトウェアツールのセットを構築し,Pythonの科学的プログラミング言語を採用した機械学習のパイプラインを提案し,前処理したデータセットに教師なし学習法を実装した。プログレッシブ主成分分析を用いて,火星用小型偵察イメージング分光のハイパースペクトルデータからデータレコード削減目標への次元削減を達成した。得られたデータクラスタを公開されたASTERスペクトルライブラリ及び惑星データシステムからの検索データ結果と比較した。その結果,著者等は,提案した方法が,膨大な量のハイパースペクトルデータを処理し,科学者に指針を提供することが可能であることを実証した。

シソーラス用語： *リモートセンシング ,  *機械学習 ,  *地質調査 ,  統計的推定 ,  支援プログラム ,  オブジェクト指向言語 ,  プログラミング言語 ,  主成分分析 ,  スペクトロスコピー ,  データ
準シソーラス用語： *リモートセンシング技術 ,  *ハイパースペクトル・リモートセンシング ,  *地質学的調査 ,  ソフトウェアツール ,  Python ,  イメージング分光 ,  ASTERデータ

分類 (2件)： リモートセンシング一般  (AD04000L) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ハイパースペクトル・リモートセンシング ,  機械学習 ,  地質学 ,  用途