文献

J-GLOBAL ID：201802255343542509   整理番号：18A1677312

LISS-III衛星画像の回帰と人工神経回路網に基づく改良型分類【JST・京大機械翻訳】

Regression and Artificial Neural Network based Improved Classification of LISS-III Satellite Image

著者 (3件)： Upadhyay Anand (Department of Information Technology, Thakur College of Science and Commerce, Thakur Village, Kandivali (E), Mumbai, Maharashtra, 400101, India) ,  Upadhyay Amit (Department of Information Technology, Thakur College of Science and Commerce, Thakur Village, Kandivali (E), Mumbai, Maharashtra, 400101, India) ,  Maurya Sunita (Department of Information Technology, Thakur College of Science and Commerce, Thakur Village, Kandivali (E), Mumbai, Maharashtra, 400101, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CTCEEC  ページ： 917-921  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： リモートセンシングは,地球空間情報を知るために衛星画像を取得するために使用される進歩画像処理における非常に重要な部分の1つである。リモートセンシングは地球表面で利用可能な異なる資源を監視するために広く使われており,その中で土地利用地域監視は非常に重要な部分の1つである。異なるテーマに基づく衛星画像分類のための多くの技術と方法が提案されている。本論文では,分類のテーマは土地利用とLISS-III衛星画像を用いた土地面積被覆マッピングである。LISS-III衛星画像は,ピクセルベースの分類を選択することによって,水,森林,マングローブ,および開発によってカバーされた種々の地域に分類された。ここでは,多重線形回帰を初期訓練データセットに使用し,評価後に,新しい特徴データセットを人工ニューラルネットワークに適用し,分類精度に及ぼす最良の訓練データセットの影響をチェックした。分類アルゴリズムの精度を,混乱マトリックスとKappa係数を用いて計算した。評価された訓練データセットのないANN分類器の精度が90.19%で,Kappa係数が0.8533であり,多重線形回帰の助けを借りて訓練データセットが評価されたとき,ANN精度は98.74%であり,Kappa係数は0.9766であり,改善され,非常に良い。それで,ANN分類装置の提案方法分類精度は,LISS-III衛星画像の分類のための改良であった。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： リモートセンシング ,  マングローブ ,  分類装置 ,  被覆 ,  地球 ,  *ニューラルネットワーク ,  土地 ,  土地利用 ,  カオス ,  画像処理 ,  *衛星利用画像 ,  画素
準シソーラス用語： 分類アルゴリズム ,  訓練データ ,  分類精度 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 衛星画像 ,  人工神経回路網 ,  分類