文献

J-GLOBAL ID：201902227689056277   整理番号：19A1484311

多物体畳込みニューラルネットワークモデルと決定融合に基づくハイパースペクトル沿岸湿地分類【JST・京大機械翻訳】

Hyperspectral Coastal Wetland Classification Based on a Multiobject Convolutional Neural Network Model and Decision Fusion

著者 (6件)： Hu Yabin (Information Science and Technology College, Dalian Maritime University, Dalian, China) ,  Zhang Jie (First Institute of Oceanography, SOA, Qingdao, China) ,  Ma Yi (First Institute of Oceanography, SOA, Qingdao, China) ,  An Jubai (Information Science and Technology College, Dalian Maritime University, Dalian, China) ,  Ren Guangbo (First Institute of Oceanography, SOA, Qingdao, China) ,  Li Xiaomin (First Institute of Oceanography, SOA, Qingdao, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 16  号： 7  ページ： 1110-1114  発行年： 2019年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： スペクトルエイリアシングの現象は,沿岸湿地オブジェクトタイプのために存在して,それはクラス混合に導いた。本論文では,沿岸湿地のハイパースペクトル画像のための多目的畳込みニューラルネットワーク(CNN)決定融合分類法を提案した。この方法は,より高い分類精度を得るために,単一オブジェクトCNN分類に適用されるファジィメンバシップ規則に基づく決定融合を採用する。実験結果は,水,干潟,リード,および他の植生タイプを含む6つのオブジェクトタイプに対する提案方法の有効性を実証した。ファジィメンバシップに基づく決定融合分類法の全体精度は82.11%であり,単一オブジェクト特徴バンドCNNとサポートベクトルマシン法のものより3.33%と6.24%高い。マルチオブジェクトCNN決定融合に基づく分類法はCNNの単一オブジェクト特徴バンドの特性を継承し,クラス混合が起こる挑戦的条件の下で画像分類への実用的なアプローチを作る。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： エイリアシング ,  *スペクトル ,  船舶 ,  有効性 ,  曖昧さ ,  サポートベクトルマシン ,  干潟
準シソーラス用語： 画像分類 ,  分類精度 ,  分類法 ,  ハイパースペクトル画像 ,  *海岸湿地 ,  *ハイパースペクトル ,  *決定融合 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 物体 ,  畳込みニューラルネットワーク ,  モデル ,  決定融合 ,  ハイパースペクトル ,  沿岸湿地 ,  分類