文献

J-GLOBAL ID：201802212001792744   整理番号：18A0029347

反復クラスタリングはハイパースペクトル画像分類のための能動的学習【Powered by NICT】

Iterative clustering based active learning for hyperspectral image classification

著者 (3件)： Lu Ting (College of Electrical and Information Engineering, Hunan University, Changsha, 410082, China) ,  Li Shutao (College of Electrical and Information Engineering, Hunan University, Changsha, 410082, China) ,  Benediktsson Jon Atli (Faculty of Electrical and Computer Engineering, University of Iceland, Reykjavik, 101, Iceland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IGARSS  ページ： 3664-3667  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： 本論文では,ハイパースペクトル画像分類のための新しい反復クラスタリングに基づくアクティブ学習(ICAL)法を提案した。一方,極端学習機械はラベル割当のためのMarkov確率場(ELM MRF)と組み合わせた,スペクトルと空間情報の両方を利用する分類結果を向上することである。一方,最も教育的な訓練サンプルセットを選択する最適に導入した反復クラスタリングに基づくサンプル選択戦略。この戦略は,最初の試料の候補集合を選択し,隣接反復におけるELM MRFに基づく分類結果を比較することによって得られることを示差マップした。候補集合の中のすべてのピクセルをスペクトル特性に従ってクラスタ化した。最後に,各クラスタから,最高の不確実性を有する一つの試料が新しい訓練サンプルセットに加えた。このサンプル選択戦略により,訓練サンプルの多様性と不確実性を最大化することができる,それはさらに分類性能の改善に寄与することができる。実験結果は,提案したICAL法は,限られた数のラベル付けされた標本のでも競合分類結果を達成できることを示した。Copyright 2018 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： 画素 ,  *クラスタ ,  *スペクトル ,  教育 ,  *クラスタ化 ,  不確実性
準シソーラス用語： スペクトル特性 ,  空間情報 ,  Markov確率場 ,  極度学習機械 ,  能動学習 ,  *能動的学習 , 【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 (4件)： 反復 ,  クラスタリング ,  ハイパースペクトル画像分類 ,  能動的学習