文献

J-GLOBAL ID：202002232262875323   整理番号：20A0198730

集合-集合距離に基づくハイパースペクトル画像の非重複分類【JST・京大機械翻訳】

Non-overlapping classification of hyperspectral imagery based on set-to-sets distance

著者 (5件)： Cao Xianghai (The authors are with School of Artificial Intelligence, Xidian University, Xian, Shaanxi Province 710071, China) ,  Ren Meiru (The authors are with School of Artificial Intelligence, Xidian University, Xian, Shaanxi Province 710071, China) ,  Zhao Jing (The authors are with School of Artificial Intelligence, Xidian University, Xian, Shaanxi Province 710071, China) ,  Lu Hongxia (The authors are with School of Artificial Intelligence, Xidian University, Xian, Shaanxi Province 710071, China) ,  Jiao Licheng (The authors are with School of Artificial Intelligence, Xidian University, Xian, Shaanxi Province 710071, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 378  ページ： 422-434  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： スペクトル空間分類法はハイパースペクトル画像(HSI)の分類精度を劇的に改善できる。しかし,この改善は,トレーニングセットとテストセットの間の重なりによって部分的に引き起こされる。本論文では,セット間距離に基づく新しい非重複スペクトル空間分類フレームワークを提案した。最初に,各クラスを,訓練集合と見なされる制御されたランダムサンプリング法を用いてサンプリングした。画像を多くのスーパーピクセルに分割し,各スーパーピクセルをテストセットとした。試験集合と訓練集合が互いに重ならないことを保証するために,各試験スーパーピクセルに含まれる訓練画素を削除した。次に,各クラスの訓練集合をよりコンパクトな集合に圧縮し,計算の複雑さを低減し,カーネルトリックを用いてサンプルを近似的に線形に分離できるようにした。最後に,各試験セットを凸包としてモデル化し,この船殻をすべての訓練集合と協調的に表現した。分解した表現係数によって,試験セットと各々のトレーニングセットの間の距離は,分類のために計算することができた。3つの実際のHSIデータセットに基づく実験結果は,非重複サンプリング戦略の下で最先端のアルゴリズムに対する提案方法の優位性を実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画素 ,  モデリング ,  アルゴリズム ,  無作為抽出 ,  計算量 ,  凸包 ,  線形性 ,  近似法 ,  *スペクトル
準シソーラス用語： Kernel法 ,  分類精度 ,  分類法 ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

著者キーワード (4件)： 距離を設定する ,  協調表現 ,  ハイパースペクトル画像 ,  スペクトル空間分類

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

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