文献

J-GLOBAL ID：201902273722117908   整理番号：19A2828646

アンサンブル技術を用いた土地被覆分類【JST・京大機械翻訳】

Land Cover Classification Using Ensemble Techniques

著者 (3件)： Parikh Hemani I. (Department of Computer Science and Engineering, School of Technology, Pandit Deendayal Petroleum Univerisity, Gandhinagar, Gujarat, India) ,  Patel Samir B. (Department of Computer Science and Engineering, School of Technology, Pandit Deendayal Petroleum Univerisity, Gandhinagar, Gujarat, India) ,  Patel Vibha D. (Department of Information Technology, Vishwakarma Government Engineering College, Chandkheda, Ahmedabad, Gujarat, India)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11942  ページ： 340-349  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,ピクセルベースおよびパッチベースの入力をアンサンブルモデルに用いて,コンパクトな偏光測定RISAT-1データの土地被覆分類を目的とした。画素ベースのアプローチにおいて,サポートベクトルマシン(SVM),多層パーセプトロン(MLP),およびランダムフォレスト(RF)は,ソフト投票と大多数投票法を用いて単一投票分類器を形成するために集合される。パッチベースのアプローチにおいて,概念的ニューラルネットワーク(CNN),ニューラルネットワーク(NN)およびRFを,ソフト投票,大多数投票および平均投票方法を通して集合させた。実験結果は,パッチベースの入力に関する集合方法が画素ベースの入力より良い試験精度を提供することを示した。分類された画像の視覚評価により,水体と都市域は大多数投票法を用いてパッチベース入力により良く分類され,一方,森林クラスはピクセルベース入力におけるソフト投票分類とは対照的に誤分類されないことを示した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  偏光測定 ,  都市域 ,  サポートベクトルマシン ,  投票 ,  *画素 ,  多層パーセプトロン
準シソーラス用語： ランダムフォレスト ,  *土地被覆分類 , 【Automatic Indexing@JST】

著者キーワード (3件)： アンサンブルモデル ,  土地被覆分類 ,  コンパクトな偏光測定

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： アンサンブル ,  土地被覆分類