文献

J-GLOBAL ID：201802224826369192   整理番号：18A1244588

光学およびレーダデータによる都市土地被覆分類への多様体学習アプローチ【JST・京大機械翻訳】

A manifold learning approach to urban land cover classification with optical and radar data

著者 (10件)： Zhang Hongsheng (Institute of Space and Earth Information Science, The Chinese University of Hong Kong, Shatin, New Territories, Hong Kong) ,  Zhang Hongsheng (Shenzhen Research Institute, The Chinese University of Hong Kong, Shenzhen, China) ,  Li Jiang (Old Dominion University, United States) ,  Wang Ting (Institute of Space and Earth Information Science, The Chinese University of Hong Kong, Shatin, New Territories, Hong Kong) ,  Lin Hui (Institute of Space and Earth Information Science, The Chinese University of Hong Kong, Shatin, New Territories, Hong Kong) ,  Lin Hui (Shenzhen Research Institute, The Chinese University of Hong Kong, Shenzhen, China) ,  Lin Hui (Department of Geography and Resource Management, The Chinese University of Hong Kong, Shatin, New Territories, Hong Kong) ,  Zheng Zezhong (University of Electronic Science and Technology of China, China) ,  Li Yu (Institute of Space and Earth Information Science, The Chinese University of Hong Kong, Shatin, New Territories, Hong Kong) ,  Lu Yufeng (University of Electronic Science and Technology of China, China)
資料名： Landscape and Urban Planning  (Landscape and Urban Planning)
巻： 172  ページ： 11-24  発行年： 2018年 
JST資料番号： E0618B  ISSN： 0169-2046  CODEN： LUPLEZ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 都市土地被覆(ULC)は,様々な規模で実施された都市景観生態学の多くの研究にとって不可欠なデータである。それにもかかわらず,正確でタイムリーなULC情報を得ることは困難である。本研究は,ULC分類を改善するために,多様体を有する画素レベルでの光学的および合成的開口レーダ(SAR)データを融合するための方法論的フレームワークを提示した。3つの典型的多様体学習モデル,すなわち,ISOMAP,局所線形埋め込み(LLE)および主成分分析(PCA)を用いて,それらの結果を比較した。SPOT-5データを光学データとして用い,3つの異なるSARデータセットと融合した。実験結果は,1)光学的およびSARデータの最も有用な情報が固有次元を持つ多様体に含まれているが,様々なULCクラスは異なる学習法から導出された多様体の特徴空間を通して異なって分布していることを示した。2)特定のケースでは,ISOMAPはPCAと同等に実行したが,PCAはすべての研究事例の中で最も良く機能し,すべてのULCクラスの最良の生産者とユーザの精度をもたらし,機械学習モデルを構築するためには最小の時間を必要とした。そして,3)LLE由来の多様体は,主に暗い不浸透表面と植生を有する裸の土壌を混乱させることによって,最も低い精度をもたらした。これらの結果は,ULC分類を改善するためにピクセルレベルで光学的およびSARデータを融合するための新しいマニホールド技術の有効性を示し,都市景観の正確な解析を支援するために実際に適用できる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 浸透 ,  *学習 ,  都市景観 ,  *レーダ ,  *都市 ,  画素 ,  主成分分析 ,  生産者 ,  マニホールド ,  *多様体 ,  線形性 ,  機械学習 ,  *土地被覆
準シソーラス用語： *多様体学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 多様体学習 ,  光学とSAR ,  都市土地被覆 ,  マルチソースデータ融合

分類 (1件)： 景観  (RD04010N)

タイトルに関連する用語 (5件)： 光学 ,  レーダ ,  都市 ,  土地被覆分類 ,  多様体学習