文献

J-GLOBAL ID：201702282247851704   整理番号：17A1260737

植生分類におけるハイパースペクトル特徴抽出法の比較解析【Powered by NICT】

Comparative analysis of hyperspectral feature extraction methods in vegetation classification

著者 (3件)： Ocal Mertalp (Elektrik Elektronik Muehendisligi, Orta Dogu Teknik Ueniversitesi, Ankara, Tuerkiye) ,  Ergun Kazim (Elektrik Elektronik Muehendisligi, Orta Dogu Teknik Ueniversitesi, Ankara, Tuerkiye) ,  Akar Gozde Bozdagi (Elektrik Elektronik Muehendisligi, Orta Dogu Teknik Ueniversitesi, Ankara, Tuerkiye)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SIU  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  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： ハイパースペクトルデータにおける正確な植生分類を行うために,分類に先立って特徴抽出プロセスは非常に重要である。植生の分類器の成功率は他のタイプの材料の分類に比べて限られている。分類前に効果的な特徴抽出を行うことが必要である。主成分分析(PCA)をこの目的のために一般的で容易に適用できる方法である。しかし,PCAは異なる植物種を区別するための最適な方法ではない。本研究では,この目的のために適切な方法をされていないPCAの理由を考察し,植物種の分類における代替有用な特徴抽出法を検討した。試験は,スペクトルセグメントPCA(SSPCA),離散ウェーブレット変換(DWT)および遺伝的アルゴリズム(GA)特徴抽出法を行った,分類器性能に及ぼすそれらの影響を比較し,これはここで述べたすべての選択肢を分類性能の顕著な改善を示した。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： *特徴抽出 ,  遺伝的アルゴリズム ,  主成分分析
準シソーラス用語： 離散ウェーブレット変換 ,  植物種 ,  成功率 ,  ハイパースペクトルデータ ,  *ハイパースペクトル ,  *植生分類 , 【Automatic Indexing@JST】

分類 (3件)： 地形データの処理  (RC02050O) ,  リモートセンシング一般  (AD04000L) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 植生分類 ,  ハイパースペクトル ,  特徴抽出法 ,  解析