文献

J-GLOBAL ID：202102229283772059   整理番号：21A0907242

北京密雲土地被覆分類におけるBP改良KNNアルゴリズムの応用【JST・京大機械翻訳】

Application of Land Cover Classification in Miyun District of Beijing City Based on BP Neural Network Improved KNN Algorithm

著者 (3件)： Wang Dianlai (首鋼工学院信息工程系,北京100144) ,  Su Aixia (中国軟件評測中心,北京100048) ,  Liu Wenping (北京林業大学信息学院,北京100083)
資料名： Kexue Jishu yu Gongcheng  (Kexue Jishu yu Gongcheng)
巻： 20  号： 23  ページ： 9464-9471  発行年： 2020年 
JST資料番号： C4529A  ISSN： 1671-1815  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： k近傍(k-nearestneighbor,KNN)アルゴリズムによる土地被覆分類において、山体影をカバーし、植生を水に誤分類する問題に対して、改良KNNアルゴリズムを提案した。改良アルゴリズムは,山体影被覆下の植生と水塊の特性を有効に区別し,BPニューラルネットワークとKNNアルゴリズムの融合を実現し,北京の密雲区の土地被覆分類精度を改善した。実験結果は以下を示した。サポートベクトルマシン(SVM),ランダムフォレスト,BPニューラルネットワーク,およびKNNアルゴリズムと比較して,改良アルゴリズムの分類精度が最も高く,95.20%に達し,分類精度が未改良KNNアルゴリズムより6.43%向上した。改良アルゴリズムのKappa係数は,比較アルゴリズムにおいて最高であり,0.93に達した。さらに,実験結果は,改良アルゴリズムが中分解能リモートセンシング画像分類に適用できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *被覆 ,  分解能 ,  水塊 ,  サポートベクトルマシン
準シソーラス用語： 北京市 ,  分類精度 ,  逆伝播ニューラルネットワーク ,  ランダムフォレスト ,  リモートセンシング画像 ,  *土地被覆分類 , 【Automatic Indexing@JST】

分類 (2件)： リモートセンシング一般  (AD04000L) ,  地形データの処理  (RC02050O)

タイトルに関連する用語 (6件)： 北京 ,  土地被覆分類 ,  BP ,  KNN ,  アルゴリズム ,  応用