ハイパースペクトル画像分類のためのスパース探索アルゴリズムにより最適化したカーネル極値学習機械【JST・京大機械翻訳】

Yan Zhixin; Huang Jiawei; Xiang Kehua

プレプリント

J-GLOBAL ID：202202211609839827 整理番号：22P0324470

ハイパースペクトル画像分類のためのスパース探索アルゴリズムにより最適化したカーネル極値学習機械【JST・京大機械翻訳】

Kernel Extreme Learning Machine Optimized by the Sparrow Search Algorithm for Hyperspectral Image Classification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月02日プレプリントサーバーでの情報更新日： 2022年04月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ハイパースペクトル画像分類アルゴリズムの分類性能と一般化能力を改善するために,本論文は,スペクトル特徴を抽出するために,マルチスケール全変動(MSTV)を使用し,空間特徴を抽出するための局所バイナリパターン(LBP)と特徴重合せを用いて,ハイパースペクトル画像の融合特徴を得た。高い収束と強いグローバル探索能力,Sparrow探索アルゴリズム(SSA)を有する新しいスウォームインテリジェンス最適化方式を用いて,カーネル極値学習機械(KELM)のカーネルパラメータと正則化係数を最適化した。要約すると,マルチスケール融合特徴ハイパースペクトル画像分類法(MLS-KELM)を本論文で提案した。インドPines,Pavia大学およびHouston2013データセットを選択し,MLS-KELMの分類性能を検証し,この方法をZY1-02Dハイパースペクトルデータに適用した。実験結果は,MLS-KELMが他のポピュラーな分類方法と比較してより良い分類性能と一般化能力を持ち,MLS-KELMが小さなサンプル事例でその強いロバスト性を示した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , リモートセンシング一般

, , , , ,

前のページに戻る