Методика проверки гипотез о распределениях многомерных спектральных данных с использованием непараметрического алгоритма распознавания образов
Автор: Лапко Александр Васильевич, Лапко Василий Александрович
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений, распознавание образов
Статья в выпуске: 2 т.43, 2019 года.
Бесплатный доступ
В работе рассматривается новая методика проверки гипотез о распределениях многомерных спектральных данных дистанционного зондирования. Предлагаемая методика основана на использовании непараметрических алгоритмов распознавания образов. Проверка гипотезы о тождественности двух законов распределений многомерных случайных величин заменяется на проверку гипотезы о равенстве ошибки распознавания образов значению 0,5. Применение данной методики позволяет исключить проблему декомпозиции области значений случайных величин на многомерные интервалы, которая свойственна для критерия Пирсона. Её эффективность подтверждается результатами проверки гипотез о распределении спектральных данных дистанционного зондирования лесных массивов. Проводится анализ законов распределения следующих состояний лесных массивов: темнохвойный лес, повреждённые и сухие древостои. Исходная информация получена по данным дистанционного зондирования территории юга Сибири с помощью аппарата Landsat по 6 спектральным каналам. Результаты исследований являются важными для формирования набора значимых спектральных признаков в задаче оценивания состояний лесных массивов.
Проверка статистических гипотез, многомерные случайные величины, распознавание образов, ядерная оценка плотности вероятности, выбор коэффициента размытости, спектральные данные, дистанционное зондирование, состояния лесных массивов
Короткий адрес: https://sciup.org/140243284
IDR: 140243284 | DOI: 10.18287/2412-6179-2019-43-2-238-244
A technique for testing hypotheses for distributions of multidimensional spectral data using a nonparametric pattern recognition algorithm
The paper deals with a new method of testing hypotheses for the distribution of multidimensional remote sensing spectral data. The proposed technique is based on the use of nonparametric algorithms for pattern recognition. Testing the hypothesis of the identity of two laws of distributions of multidimensional random variables is replaced by testing a hypothesis stating that the pattern recognition error equals 0.5. The application of this technique allows doing without the decomposition of the random variable domain into multidimensional intervals, which is typical for the Pearson criterion. Its effectiveness is confirmed by the results of testing the hypotheses of the distribution of spectral data of remote sensing in forestry. The analysis of the distribution laws for the following types of forestry is carried out: dark coniferous forest, damaged and dry forest stands. The initial information was obtained from the southern Siberia remote sensing data using six spectral channels of Landsat. The results of the research form a basis for a set of significant spectral features when dealing with forest condition monitoring.
Список литературы Методика проверки гипотез о распределениях многомерных спектральных данных с использованием непараметрического алгоритма распознавания образов
- Афанасьев, А.А. Гибридные методы автоматизированной идентификации изменений ландшафтного покрова по данным дистанционного зондирования Земли в условиях шумов/А.А. Афанасьев, А.В. Замятин//Компьютерная оптика. -2017. -Т. 41, № 3. -С. 431-440. - DOI: 10.18287/2412-6179-2017-41-3-431-440
- Васин, Ю.Г. Распределённая СУБД для интегрированной обработки пространственных данных в ГИС/Ю.Г. Васин, Ю.В. Ясаков//Компьютерная оптика. -2016. -Т. 40, № 6. -С. 919-928. - DOI: 10.18287/2412-6179-2016-40-6-919-928
- Пугачёв, В.С. Теория вероятностей и математическая статистика: учебное пособие/В.С. Пугачёв. -М: Физматлит, 2002. -496 с.
- Лапко, А.В. Непараметрические алгоритмы распознавания образов в задаче проверки статистической гипотезы о тождественности двух законов распределения случайных величин/А.В. Лапко, В.А. Лапко//Автометрия. -2010. -Т. 46, № 6. -С. 47-53.
- Лапко, А.В. Сравнение эмпирической и теоретической функций распределения случайной величины на основе непараметрического классификатора/А.В. Лапко, В.А. Лапко//Автометрия. -2012. -Т. 48, № 1. -С. 45-49.
- Лапко, А.В. Анализ асимптотических свойств непараметрической оценки уравнения разделяющей поверхности в двуальтернативной задаче распознавания образов/А.В. Лапко, В.А. Лапко//Автометрия. -2010. -Т. 46, № 3. -С. 48-53.
- Непараметрические системы классификации/А.В. Лапко, В.А. Лапко, М.И. Соколов, С.В. Ченцов. -Новосибирск: Наука, 2000. -240 с.
- Fukunaga, K. Introduction to statistical pattern recognition/K. Fukunaga. -San Diego: Academic Press, 1990. -614 p.
- Theodoridis, S. Pattern recognition/S. Theodoridis, K. Koutroumbas. -Burlington, MA: Academic Press, 2009. -961 p.
- Webb, A.R. Statistical pattern recognition/A.R. Webb, K.D. Copsey. -Chichester: John Wiley & Sons, 2011. -666 p.
- Parzen, E. On estimation of a probability density function and mode/E. Parzen//The Annals of Mathematical Statistics. -1962. -Vol. 33, Issue 3. -P. 1065-1076. -
- DOI: 10.1214/aoms/1177704472
- Епанечников, В.А. Непараметрическая оценка многомерной плотности вероятности/В.А. Епанечников//Теория вероятности и её применения. -1969. -Т. 14, № 1. -С. 156-161.
- Лапко, А.В. Регрессионная оценка многомерной плотности вероятности и её свойства/А.В. Лапко, В.А. Лапко//Автометрия. -2014. -Т. 50, № 2. -С. 50-56.
- Лапко, А.В. Непараметрическая оценка плотности вероятности парзеновского типа с неявно заданной формой ядерной функции/А.В. Лапко, В.А. Лапко//Измерительная техника. -2016. -№ 6. -С. 14-17.
- Sheather, S.J. Density estimation/S.J. Sheather//Statistical Science. -2004. -Vol. 19, Issue 4. -P. 588-597. -
- DOI: 10.1214/088342304000000297
- Scott, D.W. Multivariate density estimation: Theory, practice, and visualization/D.W. Scott. -New Jersey: John Wiley & Sons, 2015. -384 p.
- Chen, S. Optimal bandwidth selection for kernel density functionals estimation/S. Chen//Journal of Probability and Statistics. -2015. -Vol. 2015(1). -P. 1-21. -
- DOI: 10.1155/2015/242683
- Borrajo, M.I. Bandwidth selection for kernel density estimation with length-biased data/M.I. Borrajo, W. González-Manteiga, M.D. Martínez-Miranda//Journal of Nonparametric Statistics. -2017. -Vol. 29, Issue 3. -P. 636-668. -
- DOI: 10.1080/10485252.2017.1339309
- Лапко, А.В. Быстрый алгоритм выбора коэффициентов размытости ядерных функций в непараметрической оценке плотности вероятности/А.В. Лапко, В.А. Лапко//Измерительная техника. -2018. -№ 6. -С. 16-20. -
- DOI: 10.32446/0368-1025it-2018-6-16-20
- Шаракшанэ, А.С. Сложные системы/А.С. Шаракшанэ, И.Г. Железнов, В.А. Ивницкий. -М.: Высшая школа, 1977. -248 с.
- Kharuk, V.I. Fir decline and mortality in the southern siberian mountains/V.I. Kharuk, S.T. Im, I.A. Petrov, M.L. Dvinskaya, E.V. Fedotova, K.J. Ranson//Regional Environmental Change. -2017. -Vol. 17, Issue 3. -P. 803-812. -
- DOI: 10.1007/s10113-016-1073-5
