文献

J-GLOBAL ID：202102217603131567   整理番号：21A2526386

PARSUC:遠隔センシングビッグデータをクラスタリングするための並列サブサンプリングベース手法【JST・京大機械翻訳】

PARSUC: A Parallel Subsampling-Based Method for Clustering Remote Sensing Big Data

著者 (5件)： Xia Huiyu (Yangtze River Waterway Bureau, Nanjing 210011, China) ,  Huang Wei (School of Hydropower and Information Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Li Ning (Yellow River Engineering Consulting Co., Ltd., Zhengzhou 450003, China) ,  Zhou Jianzhong (School of Hydropower and Information Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Zhang Dongying (School of Hydropower and Information Engineering, Huazhong University of Science and Technology, Wuhan 430074, China)
資料名： Sensors (Web)  (Sensors (Web))
巻： 19  号： 15  ページ： 3438  発行年： 2019年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： リモートセンシングビッグデータ(RSBD)は,一般に巨大な体積,多様性,および高次元によって特性化される。異なる応用に対するRSBDからの隠れ情報マイニングは,重要な計算課題を課す。クラスタリングは,リモートセンシング画像の処理および解析において広く使用される重要なデータマイニング技術である。しかし,従来のクラスタリングアルゴリズムは,比較的小さなデータセットのために設計されている。RSBDによる問題に適用するとき,それらは,一般的に,実際的使用のために,あまりに遅すぎるか,非効率的であった。本論文では,効率と精度の両方の観点からRSBDクラスタリングの性能を改善するための並列サブサンプリングベースクラスタリング(PARSUC)法を提案した。PARSUCは,新しいサブサンプリングベースのデータ分割(SubDP)方式を利用して,3ステップ並列クラスタリングを実現して,既存の並列クラスタリングアルゴリズムの顕著な性能ボトルネックを効果的に解決する。すなわち,それらは合理的な結果を得るために多数の反復計算に対処する必要がある。さらに,サブサンプリング誤差を除去し,クラスタリング結果の精度を保証するために,重心フィルタリングアルゴリズム(CFA)を提案した。PARSUCをMapReduce並列モデルを用いてHadoopプラットフォームに実装した。異なるサイズの大規模な遠隔観測画像上で行われた実験は,PARSUC(1)が,より大きな画像データを扱う際に従来のリモートセンシングクラスタリングアルゴリズムよりはるかに良い精度を提供することを示した。(2)増加した計算ノードによって顕著なスケーラビリティを達成した。(3)RSBD処理における既存の並列クラスタリングアルゴリズムよりも遥かに少ない時間を費やした。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 重心 ,  *クラスタ化 ,  *リモートセンシング ,  高次元 ,  キャラクタリゼーション
準シソーラス用語： 画像データ ,  *サブサンプリング ,  リモートセンシング画像 ,  クラスタリングアルゴリズム ,  Hadoop ,  *ビッグデータ ,  MapReduce , 【Automatic Indexing@JST】

著者キーワード (4件)： クラスタリング ,  並列計算 ,  リモートセンシングビッグデータ ,  MapReduce

分類 (2件)： 通信網  (ND07030A) ,  計測機器一般  (AD02000X)

引用文献 (37件)：

• Lee, J.G.; Kang, M. Geospatial big data: Challenges and opportunities. Big Data Res. 2015, 2, 74-81.
• Yang, C.; Huang, Q.; Li, Z.; Liu, K.; Hu, F. Big data and cloud computing: innovation opportunities and challenges. Int. J. Digit. Earth. 2017, 10, 13-53.
• Ma, Y.; Wu, H.; Wang, L.; Huang, B.; Ranjan, R.; Zomaya, A.; Jie, W. Remote sensing big data computing: Challenges and opportunities. Future Gener. Comput. Syst. 2015, 51, 47-60.
• Liu, P.; Di, L.; Du, Q.; Wang, L. Remote Sensing Big Data: Theory, Methods and Applications. Remote Sens. 2018, 10, 711.
• Ye, D.; Li, Y.; Tao, C.; Xie, X.; Wang, X. Multiple feature hashing learning for large-scale remote sensing image retrieval. ISPRS Int. J. Geo-Inf. 2017, 6, 364.

タイトルに関連する用語 (5件)： 遠隔センシング ,  ビッグデータ ,  クラスタリング ,  サブサンプリング ,  手法