文献

J-GLOBAL ID：202002283830679852   整理番号：20A0551050

LANSAT-8画像分類におけるMLC-RFEとSVM-RFEの性能に関する予備試験【JST・京大機械翻訳】

Preliminary tests on the performance of MLC-RFE and SVM-RFE in Lansat-8 image classification

著者 (2件)： Liu Huaipeng (School of Land and Tourism, Luoyang Normal University, Luoyang, Henan Province, China) ,  An Huijun (College of Forestry, Inner Mongolia Agricultural University, Huhhot, Inner Mongolia, China)
資料名： Arabian Journal of Geosciences  (Arabian Journal of Geosciences)
巻： 13  号： 3  ページ： 130  発行年： 2020年 
JST資料番号： W4050A  ISSN： 1866-7511  資料種別： 逐次刊行物 (A)
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： 画像分類の間,かなりの精度を維持しながら情報量を減らすために最適バンドを選択することが重要である。しかし,帯域の人工的な主観的選択に問題が存在し,その結果,分類の真の精度は効果的に表現されない。本研究は,情報源としてLandsat-8融合データの10バンドを用いて行った。最大尤度分類再帰特徴除去(MLC-RFE)法とサポートベクトルマシン再帰特徴除去(SVM-RFE)法を用いて,最も適切なバンドを選択し,異なる方法の分類結果を分析した。結果は,MLCとSVMから得られたバンドが異なっていることを示した。MLCは,SVMと比較して,特徴の変化により敏感であった。MLCの最高と最低の全体の精度は,それぞれ99.1667%と92.2312%であった(対応するKappa係数は,0.9903と0.9094)。SVMの最高と最低の全体の精度は,それぞれ98.7231%と86.6398%であった(対応するKappa係数は0.9851と0.8441)。2つの分類器は,最適および最悪のバンド組合せの分類精度に関して大きく異なった。これは,関与するバンドの選択が画像分類のために非常に重要であり,MLC-RFEがLandsat-8画像分類のためにSVM-RFEより適切であることを示した。Copyright Saudi Society for Geosciences 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  情報源 ,  周波数帯 ,  *最尤法 ,  LANDSAT ,  情報量
準シソーラス用語： 分類精度 ,  *画像分類 , 【Automatic Indexing@JST】

著者キーワード (6件)： LANDSAT-8 ,  画像分類 ,  最尤 ,  サポートベクトルマシン ,  再帰的特徴除去 ,  帯域選択

分類 (2件)： 測地学  (DC02000X) ,  地質構造・テクトニクス  (DE04030Y)

タイトルに関連する用語 (3件)： 画像分類 ,  SVM ,  試験