文献

J-GLOBAL ID：201802220379249985   整理番号：18A1209528

カーネル最大マージン基準に基づくハイパースペクトルリモートセンシング画像の地形分類【JST・京大機械翻訳】

Terrain classification of hyperspectral remote sensing images based on kernel maximum margin criterion

著者 (3件)： Liu Jing (School of Electronic Engineering, Xi’an University of Posts and Telecommunications, Xi’an, China) ,  Qiu Cheng-cheng (School of Electronic Engineering, Xi’an University of Posts and Telecommunications, Xi’an, China) ,  Liu Yi (School of Electronic Engineering, Xidian University, Xi’an, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICNC-FSKD  ページ： 1644-1650  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リモートセンシング画像は,地形分類のために豊富なスペクトル情報をもたらした。しかし,ハイパースペクトルリモートセンシング画像の地形分類は,高次元性と非線形分離可能性の問題によって直面して,それは満足できない地形分類比率に導いた。ハイパースペクトルリモートセンシング画像の地形分類認識率を上げるために,新しい地形分類法をカーネル最大マージン基準(KMMC),すなわちKMMC部分空間法に基づいて提示した。最初に,元のデータをカーネル法により高次元カーネル空間に写像し,次に最大マージン基準(MMC)を用いてカーネル空間における元のデータの非線形判別特徴を抽出した。最後に,最小ユークリッド距離分類器を用いて,得られたKMMC特徴部分空間を分類した。空中可視/赤外イメージング分光計(AVIRIS)ハイパースペクトルリモートセンシング画像を考慮した認識結果により,元の空間法,線形判別分析(LDA)部分空間法,MMC部分空間法,カーネル線形判別分析(KLDA)部分空間法と比較して,提案したKMMC部分空間法はデータの次元を低減しながら認識率を大幅に上げることができた。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： 部分空間法 ,  *画像 ,  高次元 ,  *スペクトル ,  赤外線
準シソーラス用語： 線形判別分析 ,  AVIRIS ,  画像分光計 ,  部分空間 ,  Euclid距離 ,  カーネル空間 ,  Kernel法 ,  認識率 ,  *地形分類 ,  *ハイパースペクトル・リモートセンシング , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： カーネル ,  ハイパースペクトルリモートセンシング ,  地形分類