文献

J-GLOBAL ID：201702235800821329   整理番号：17A1251320

ハイパースペクトル画像のスペクトル-空間分類のための理想的なカーネルベース多重カーネル学習【Powered by NICT】

Ideal Kernel-Based Multiple Kernel Learning for Spectral-Spatial Classification of Hyperspectral Image

著者 (2件)： Gao Wei (School of Electrical Engineering and Automation, Harbin Institute of Technology, Harbin, China) ,  Peng Yu (School of Electrical Engineering and Automation, Harbin Institute of Technology, Harbin, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 14  号： 7  ページ： 1051-1055  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： 複数タイプの特徴を用いたハイパースペクトル画像(HSI)の分類精度を効果的に改善できる。多重カーネル学習(MKL)は,非常に自然な方法で異なる特徴を融合する柔軟なフレームワークを提供する。本稿では,HSI分類のための複数タイプの特徴[すなわち,元のスペクトルの主成分,多重構造モルフォロジープロファイル(MP),と多属性MP]を統合するために提案した新しいMKLアルゴリズム。基本カーネルは各特徴別々にサブセットを構築し,基本的な穀粒の重量は理想的なカーネルの目的を持つ最適化問題を解くことにより決定した。,線形計画法(LP)と信号スパース表現は,最適化問題を解決するために採用した,提案したアルゴリズムの二つの変異体,理想的なカーネルMKL(IKMKL)-LPとIKMKLスパースをもたらすした。実ハイパースペクトルデータに基づいて行われた実験は,提案したアルゴリズムがいくつかの最先端MKLアルゴリズムより性能が優れており関連する特徴をランク付けの能力を明らかにすることを示した。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： アルゴリズム ,  等級づけ ,  部分集合 ,  *透視図法 ,  最適化問題 ,  *スペクトル ,  線形計画法 ,  *多重化
準シソーラス用語： 最先端 ,  ハイパースペクトルデータ ,  スパース表現 ,  多重構造 ,  分類精度 ,  *Kernel法 ,  *ハイパースペクトル画像 , 【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 (6件)： ハイパースペクトル画像 ,  スペクトル ,  分類 ,  カーネル ,  多重 ,  カーネル学習