文献

J-GLOBAL ID：201802224229078118   整理番号：18A0202700

インクリメンタル訓練を用いた地形分類のためのpolarimetrie SAR特徴の比較【Powered by NICT】

Comparison of polarimetrie SAR features for terrain classification using incremental training

著者 (3件)： Ince Turker (Department of Electrical and Electronics Engineering, Izmir University of Economics, Izmir, Turkey) ,  Ahishali Mete (Department of Electrical and Electronics Engineering, Izmir University of Economics, Izmir, Turkey) ,  Kiranyaz Serkan (Department of Electrical Engineering, Qatar University, Qatar)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： PIERS  ページ： 3258-3262  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： 本研究では,完全なコヒーレンス(あるいは共分散)マトリックス情報,いくつかのコヒーレントおよび非コヒーレント目標分解から得られた特徴,後方散乱力と視覚テクスチャ特徴を含む最も一般的に使用されている偏光SAR特徴は異なる地形クラスの分類性能の観点から比較した。パターン認識のために,二つの強力な機械学習技術,追加学習能力を持つ二値分類器(CNBC)の集団ネットワークとサポートベクトルマシン(SVM)を採用した。それぞれの特徴を,異なったSARクラスタイプを識別するためのそれ自身の強さと弱点を持ち,この研究は両分類器のインクリメンタル特徴に基づく訓練を介してそれらを調べ,完全偏光San Francisco湾およびFlevolandデータセットを用いて行った実験の結果を比較することである。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： *サポートベクトルマシン ,  パターン認識 ,  コヒーレンス ,  共分散 ,  後方散乱 ,  偏光 ,  視覚 ,  ネットワーク
準シソーラス用語： 二値分類 ,  インクリメンタル学習 ,  機械学習技術 ,  テクスチャ特徴 ,  *地形分類 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 訓練 ,  地形分類 ,  SAR