ハイパースペクトル帯域選択のための新しいランキングに基づくクラスタリングアプローチ【Powered by NICT】

Sen Jia; Guihua Tang; Jiasong Zhu; Qingquan Li

文献

J-GLOBAL ID：201602221513665791 整理番号：16A0584767

ハイパースペクトル帯域選択のための新しいランキングに基づくクラスタリングアプローチ【Powered by NICT】

A Novel Ranking-Based Clustering Approach for Hyperspectral Band Selection

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=16A0584767&from=J-GLOBAL&jstjournalNo=H0016B") }}

著者 (4件)： , , ,
資料名：
巻： 54 号： 1 ページ： 88-102 発行年： 2016年
JST資料番号： H0016B ISSN： 0196-2892 CODEN： IGRSD2 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)

同時に種々のスペクトル波長でのハイパースペクトルセンサによる,同一空間領域をイメージングにより,取得したハイパースペクトル画像はしばしば百バンド画像の正確な地上物体を分析し,同定するための可能性を提供するを含んでいた。しかし,実際に十分なラベル付き学習サンプルを得ることが困難なために,スペクトルバンドの高い数は不可避的に「次元災害」(Hughes現象と呼ばれる)の問題をもたらし,次元縮小を適用すべきである。バンド(または特性)選択に関し,従来法は定義されたメトリックス(非Gauss性のような)またはクラスタリング手順としてバンド選択問題を定式化することによりバンドを順位づけすることにより,代表的なバンドを選択した。二種類の方法の異なるが相補的な利点のために,バンド選択タスクを達成するために,両方法を使用する有益であり得る。最近,高速密度ピークベースクラスタリング(FDPC)アルゴリズムを提案した。局所密度の計算と各点のクラスタ内距離に基づいて,二因子の積は,低下順序で分類し,クラスタ中心は異常に大きい値と点として認識されている;,小数点演算のアルゴリズムは,ランキングベースクラスタリング手法と考えることができる。本論文では,小数点演算アルゴリズムは,ハイパースペクトルバンド選択のための適したものにする強化された。まず,各バンドのランキングスコアは,正規化された局所密度およびクラスタ内距離を重みづけよりも同様にそれらを考慮して計算した。第二に,指数関数に基づく学習則は,異なる数の選択したバンドの,小数点演算に固定されているがカットオフしきい値を調整するために採用した。提案したアプローチは,増強された小数点演算(E-FDPC)と名づけた。さらに,孤立点停止基準と呼ばれる効果的な戦略を選択しなければならバンドの適切な数を自動的に決定するために開発した。すなわち,クラスタリングプロセスは孤立した点(一つのクラスタにおいてのみ点)の出現により停止するだろう。三つの実際のハイパースペクトルデータ上での実験結果は,著者らのE小数点演算法による選択したバンド小数点演算と他の最新のバンド選択法よりも高い分類精度を達成できることを実証したが,孤立点停止基準を選択しなければならバンドの望ましい数を決定するための合理的な方法である。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (3件)： , ,

図形・画像処理一般 , パターン認識

, , ,

前のページに戻る