文献

J-GLOBAL ID：201802214909633777   整理番号：18A2039285

ハイパースペクトル画像分類のための新しいアリコロニー最適化に基づく訓練サブセット選択アルゴリズム【JST・京大機械翻訳】

A Novel Ant Colony Optimization Based Training Subset Selection Algorithm for Hyperspectral Image Classification

著者 (2件)： Sharma Shakti (Indian Institute of Technology Bombay, Centre of Studies in Resources Engineering, Mumbai, Maharashtra, 400076, India) ,  Buddhiraju Krishna Mohan (Indian Institute of Technology Bombay, Centre of Studies in Resources Engineering, Mumbai, Maharashtra, 400076, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IGARSS  ページ： 5748-5751  発行年： 2018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： 空中センサによって捕捉されたハイパースペクトル画像は,地球被覆に関する巨大な情報を提供する。人間の眼は限られた波長から反射率を見ることができるが,ハイパースペクトル画像は光の可視および赤外領域で捕獲された200以上のバンドを含んでいる。分類は,意思決定のためにこの情報を分析するために使用される方法の1つである。ハイパースペクトル画像の教師つき,教師なし,および半教師つき分類のための文献において,いくつかの技術が利用可能である。教師つき分類のための訓練サンプルは,画像中に捕捉された実際のサイトからの地上サンプル収集により生成される。これらの訓練サンプルは分類において重要な役割を果たし,分類精度に大きく影響する。最近の研究において,訓練サンプルを選択するために,画素純度に基づく新しい方法を開発した。しかし,いくつかの場合には,選択されたピクセルのグランドトルースを集めることはできない。本論文は,より良い分類結果を達成するために,既に開発された訓練サンプルからのサブセットの選択のために,Antコロニーシステムによって触発された新しい方法を提唱する。既存の訓練サンプルの小部分集合が,すべての利用可能な訓練サンプルの使用と比較して,同等またはいくつかのケースでより良い精度を達成することを見ることは興味深い。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 被覆 ,  センサ ,  反射率 ,  *アルゴリズム ,  画素 ,  *画像 ,  *コロニー ,  純度 ,  意思決定 ,  *部分集合
準シソーラス用語： グランドトゥルース ,  分類精度 ,  教師付き分類 ,  半教師付き分類 ,  *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 (5件)： ハイパースペクトル画像分類 ,  アリコロニー最適化 ,  訓練 ,  サブセット ,  アルゴリズム