文献

J-GLOBAL ID：201702276306864890   整理番号：17A0054681

航空機搭載LiDARデータの分類のための複数カーネルスパース表現【Powered by NICT】

Multiple Kernel Sparse Representation for Airborne LiDAR Data Classification

著者 (3件)： Gu Yanfeng (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Wang Qingwang (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Xie Bingqian (Keda Technologies Company, Ltd., Shanghai, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 55  号： 2  ページ： 1085-1105  発行年： 2017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)

抄録/ポイント： 土地被覆分類のための生のLiDAR点群データから抽出された不均一な特徴を効率的に学習するために,複数カーネルスパース表現分類(MKSRC)フレームワークを提案した。MKSRCでは,マルチカーネル学習(MKL)は,スパース表現分類(SRC)の中に埋め込まれている。不均一な特徴は最初の分類前に生LiDAR点群データから抽出した。これらの特徴は,異なる寸法から有用な情報を含み,単一点特徴と隣接特徴を含む。特徴抽出に基づいて,一方では,MKLは,SRCへの統合合理的であり,すなわち,各不均一特徴を別々に構築されることを種々の塩基核はスパース表現のプロセスで利用されている。さらに,ジョイントまばらモデルもMKSRCフレームワークに導入し,マルチカーネル関節SRC(MKJSRC)を提案した。一方,MKSRCとMKJSRCの両方でベースカーネルの重みをさらに効率的に決定するため提案されている改良されたカーネルアラインメント(IKA)法。実験を三種の実際の空中LiDARデータセットに関して行われた。実験結果はMKSRCとMKJSRC骨格はLiDAR点雲分類のための不均一な特徴を学習効果的に他の最先端スパース表現ベース分類器と最近のMKLアルゴリズムよりも優れていることを示した。さらに,提案したIKAは既存のカーネルアラインメント法よりもMKSRCとMKJSRCにおける基本カーネルの「最適な」重みをよりよく決定に有用である。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： *特徴抽出 ,  アルゴリズム
準シソーラス用語： 学習効果 ,  マルチカーネル学習 ,  点群データ ,  土地被覆分類 ,  *スパース表現 ,  *LIDARデータ ,  航空機搭載 , 【Automatic Indexing@JST】

分類 (1件)： リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (5件)： 航空機搭載 ,  LIDARデータ ,  分類 ,  カーネル ,  スパース表現