文献

J-GLOBAL ID：201902212348298112   整理番号：19A1484270

リモートセンシングと放射測定を用いた土地被覆変化検出のための機械学習に基づくアプローチ【JST・京大機械翻訳】

A Machine Learning-Based Approach for Land Cover Change Detection Using Remote Sensing and Radiometric Measurements

著者 (4件)： Zerrouki Nabil (LCPTS Faculty of Electronics and Computer Science, University of Sciences and Technology Houari Boume ́dienne, Algiers, Algeria) ,  Harrou Fouzi (Computer, Electrical and Mathematical Sciences and Engineering (CEMSE) Division, King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia) ,  Sun Ying (Computer, Electrical and Mathematical Sciences and Engineering (CEMSE) Division, King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia) ,  Hocini Lotfi (DIIM Laboratory, Center for Development of Advanced Technology (CDTA), Algiers, Algeria)
資料名： IEEE Sensors Journal  (IEEE Sensors Journal)
巻： 19  号： 14  ページ： 5843-5850  発行年： 2019年 
JST資料番号： W1318A  ISSN： 1530-437X  CODEN： ISJEAZ  資料種別： 逐次刊行物 (A)
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： 重み付きランダム森林分類器とHotelling T2制御法を組み合わせたアプローチを提案し,リモートセンシングと放射測定による土地被覆変化の検出の文脈で使用した。Hotelling T2手順を導入して,変化領域に対応する特徴を同定した。それにもかかわらず,T2スキームは偽変化から実際に分離できない。この限界に取り組むために,不均衡な問題のための効率的な分類技術である加重ランダムフォレストアルゴリズムを,検出されたピクセルの特徴に適用して,変化のタイプを認識した。提案した手順の実現可能性を,SZTAKI空気変化ベンチマークデータを用いて検証した。結果は,提案した検出方式が土地被覆変化を効果的に同定するのに成功することを示した。また,他の方法(すなわち,ニューラルネットワーク,ランダムフォレスト,サポートベクトルマシン,およびk-最近傍)との比較により,提案した方法の優位性を強調した。Copyright 2019 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： *放射測定 ,  ニューラルネットワーク ,  *リモートセンシング ,  サポートベクトルマシン ,  制御方式 ,  画素 ,  *機械学習
準シソーラス用語： 加重 ,  不均衡 ,  ランダムフォレスト ,  *土地被覆変化 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (4件)： リモートセンシング ,  放射測定 ,  土地被覆変化 ,  機械学習