文献

J-GLOBAL ID：201802213776886007   整理番号：18A1403980

限界学習機によるGF-2画像分類【JST・京大機械翻訳】

GF-2 Image Classification Based on Extreme Learning Machine

著者 (6件)： Wang Mingchang (吉林大学地球探測科学与技術学院,長春 130026;湖北大学資源環境学院,武漢 430062;国土資源部城市土地資源監測与倣真重点実験室,广東 深zhen 518000) ,  Zhang Xinyue (吉林大学地球探測科学与技術学院,長春,130026) ,  Zhang Xuqing (吉林大学地球探測科学与技術学院,長春,130026) ,  Wang Fengyan (吉林大学地球探測科学与技術学院,長春,130026) ,  Niu Xuefeng (吉林大学地球探測科学与技術学院,長春,130026) ,  Wang Hong (湖北大学資源環境学院,武漢,430062)
資料名： Jilin Daxue Xuebao Diqiukexueban  (Jilin Daxue Xuebao Diqiukexueban)
巻： 48  号： 2  ページ： 373-378  発行年： 2018年 
JST資料番号： C2699A  ISSN： 1671-5888  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： リモートセンシング画像分類は,画像の有効な情報抽出の重要な部分であり,最適分類法を探索するために,多くの機械学習アルゴリズムをリモートセンシング分類に適用する。限界学習機械(extremelearningmachine,ELM)はその高効率、高速と良好な汎化性能によりパターン認識の分野で広く応用されている。訓練速度が速く,計算負荷が小さい限界学習アルゴリズムとサポートベクターマシン(supportvectormachines)を採用した。吉林省長春市の部分区域のGF-2リモートセンシングデータを選択し、融合後の画像を原始データとし、3種類の方法を用いて分類を行った。結果は,限界学習アルゴリズムの分類精度が85%以上に達し,kappa係数が0.718に達し,他の分類法と比較して分類精度が高いことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  情報抽出 ,  高速度 ,  リモートセンシング ,  *学習 ,  学習機械 ,  学習アルゴリズム ,  *画像 ,  パターン認識
準シソーラス用語： 分類精度 ,  吉林省 ,  計算負荷 ,  分類法 ,  リモートセンシング画像 ,  *画像分類 , 【Automatic Indexing@JST】

著者キーワード (5件)： extreme learning machine ,  remote sensing image classification ,  GF-2 image ,  supervised classification ,  support vector machines

分類 (2件)： パターン認識  (JE07000S) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (3件)： 限界 ,  学習 ,  画像分類