文献

J-GLOBAL ID：201802233487230311   整理番号：18A0327254

リモートセンシング画像を分類する際の統計的依存性問題を回避するためのランダムフォレストアルゴリズムの修正【Powered by NICT】

Modification of the random forest algorithm to avoid statistical dependence problems when classifying remote sensing imagery

著者 (6件)： Canovas-Garcia Fulgencio (Departamento de Geologia y Minas e Ingeniera Civil, Universidad Tecnica Particular de Loja, San Cayetano Alto s/n, Loja, Ecuador) ,  Canovas-Garcia Fulgencio (Departamento de Ingenieria Civil, Universidad de Cuenca, Av. 12 de Abril y Av. Loja s/n, Cuenca, Ecuador) ,  Alonso-Sarria Francisco (Instituto Universitario del Agua y del Medio Ambiente, Universidad de Murcia, Edificio D Campus de Espinardo s/n 30100 Murcia, Spain) ,  Gomariz-Castillo Francisco (Instituto Universitario del Agua y del Medio Ambiente, Universidad de Murcia, Edificio D Campus de Espinardo s/n 30100 Murcia, Spain) ,  Gomariz-Castillo Francisco (Instituto Euromediterraneo del Agua, Universidad de Murcia, Edificio D s/n 30100 Murcia, Spain) ,  Onate-Valdivieso Fernando (Departamento de Geologia y Minas e Ingeniera Civil, Universidad Tecnica Particular de Loja, San Cayetano Alto s/n, Loja, Ecuador)
資料名： Computers & Geosciences  (Computers & Geosciences)
巻： 103  ページ： 1-11  発行年： 2017年 
JST資料番号： D0320B  ISSN： 0098-3004  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： ランダムフォレストは,リモートセンシングで広く使用されている分類技術である。その利点の1つは,いわゆるout-of-bag交差検証法に基づく分類精度の推定を生むことである。は通常そのような推定は,バイアスではなく,外部データセットまたはアルゴリズムに外部交差検証に基づく検証の代わりに使用されるかもしれないと仮定した。本論文では,これはいくつかのピクセルまたは物体を用いた訓練面積を用いてリモートセンシング画像を分類する場合には必ずしもならないことを示した。我々の結果によれば,out-of-bag交差検証は明らかに精度を過大評価し,全体的およびクラス当たりの両方であった。理由は,訓練パッチにおける,ピクセルまたは物体がお互いに独立した(統計的の観点から)でないことである;が,それらは本当に独立したかのようにそれらはinとout-of-bagにブートストラッピングによって分割される。は1つまたは他のセットでは,ピクセル/オブジェクトよりもむしろ,全パッチを少ないバイアスされたout-of-bag交差検証を生成すると信じている。問題に対処するために,著者らはそれらを構成するピクセル(または物体)の代わりに訓練パッチを分割するためにランダムフォレストアルゴリズムの修正を提案した。この改良したアルゴリズムは精度を過大評価しないと元のより低い予測能力を持っていない。その結果を外部データセットで検証した場合,精度は元のアルゴリズムで得られたものと変わらない。異なる分類手法(画素とオブジェクトベース)三リモートセンシング画像を解析し報告された三例では,提案した修飾は,あまりバイアス精度推定を生成した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 画素 ,  *アルゴリズム ,  交差検証法 ,  *リモートセンシング ,  ブートストラップ ,  バイアス
準シソーラス用語： 予測能力 ,  分類精度 ,  *ランダムフォレスト ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

著者キーワード (5件)： 分類 ,  ランダム森林 ,  オブジェクトベース画像解析 ,  バギング ,  統計的独立性

分類 (4件)： リモートセンシング一般  (AD04000L) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (5件)： リモートセンシング画像 ,  分類 ,  統計 ,  依存性 ,  回避