文献

J-GLOBAL ID：201802247781441914   整理番号：18A1073332

半教師付き回転森に基づくハイパースペクトル画像分類【JST・京大機械翻訳】

Hyperspectral Image Classification Based on Semi-Supervised Rotation Forest

著者 (4件)： Lu Xiaochen (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin 150001, China) ,  Zhang Junping (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin 150001, China) ,  Li Tong (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin 150001, China) ,  Zhang Ye (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin 150001, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 9  ページ： 924  発行年： 2017年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： アンサンブル学習は,個々の学習者のバイアスまたは分散のどちらかを低減することにより,比較的強い学習者を生成するために,弱い学習者の多様性を組み合わせるために広く用いられている。特徴抽出と分類器集合を組み合わせた回転森林(RoF)は,過去10年間のベース分類器の多様性を促進することにより,ハイパースペクトル(HS)画像分類にうまく適用されてきた。一般的に,RoFは回転ツールとして主成分分析(PCA)を用い,それは一般的に教師なし特徴抽出法として認識され,クラスに関する識別情報を考慮しない。しかし,時には分類タスクに対して準最適であることが分かった。そこで本論文では,特徴回転ツールとして半教師つき局所判別分析を用いる改良RoFアルゴリズムを提案した。半教師つき回転林(SSRRoF)と呼ばれる提案アルゴリズムは,限定されたラベル付けされた大量のラベル付けされていないサンプルによって提供される識別情報と局所構造情報の両方を利用することを目的としており,したがって,その後の分類のためのより良いクラス分離性を提供する。特徴の多様性を促進するために,半教師つき局所判別分析を重み付き形式に調整し,ラベル付けとラベル付けされていないサンプルの寄与をバランスさせることができる。いくつかのハイパースペクトル画像に関する実験は,いくつかの最先端のアンサンブル学習手法と比較して,提案したアルゴリズムの有効性を実証した。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： バイアス ,  特徴抽出 ,  *アルゴリズム ,  判別分析 ,  主成分分析
準シソーラス用語： 最先端 ,  *ハイパースペクトル画像 ,  分離可能性 ,  局所構造 ,  識別子 ,  *画像分類 ,  *ハイパースペクトル ,  学習者 ,  アンサンブル学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： アンサンブル学習 ,  ハイパースペクトル ,  回転森林 ,  半教師付き局所判別分析

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

引用文献 (47件)：

• Ballanti, L.; Blesius, L.; Hines, E.; Kruse, B. Tree species classification using hyperspectral imagery: A comparison of two classifiers. Remote Sens. 2016, 8, 445.
• Sami ul Haq, Q.; Tao, L.; Yang, S. Neural network based Adaboosting approach for hyperspectral data classication. In Proceedings of the 2011 International Conference on Computer Science and Network Technology (ICCSNT), Harbin, China, 24-26 December 2011.
• Melgani, F.; Bruzzone, L. Classification of hyperspectral remote sensing images with support vector machines. IEEE Trans. Geosci. Remote Sens. 2004, 42, 1778-1790.
• Li, J.; Bioucas-Dias, J.; Plaza, A. Semisupervised hyperspectral image segmentation using multinomial logistic regression with active learning. IEEE Trans. Geosci. Remote Sens. 2010, 11, 4085-4098.
• Persello, C.; Bruzzone, L. Active and semisupervised learning for the classification of remote sensing images. IEEE Trans. Geosci. Remote Sens. 2014, 52, 6937-6956.

タイトルに関連する用語 (3件)： 教師 ,  森 ,  ハイパースペクトル画像分類