Сравнение алгоритмов управляемой поэлементной классификации гиперспектральных изображений
Журнал: Компьютерная оптика @computer-optics
Рубрика: Анализ гиперспектральных данных
Статья в выпуске: 3 т.38, 2014 года.
Бесплатный доступ
Настоящая работа посвящена решению задачи выбора наилучшего алгоритма классификации гиперспектральных изображений (ГСИ). В сравнении участвуют следующие алгоритмы: дерево решений с использованием функционала скользящего контроля, дерево решений C4.5 (C5.0), байесовский классификатор, метод максимального правдоподобия, классификатор, минимизирующий СКО решения, включая частный случай - классификацию по сопряжённости, классификатор по спектральному углу (для эмпирического среднего и ближайшего соседа), а также метод опорных векторов (SVM). В работе приведены результаты исследований этих алгоритмов на гиперспектральных снимках, полученных со спутника AVIRIS и в рамках проекта SpecTIR.
Похожие статьи в разделе Прикладные информационные (компьютерные) технологии. Методы основанные на применении компьютеров
Короткий адрес: https://sciup.org/14059268
IDS: 14059268
A comparison of algorithms for supervised classification using hyperspectral data
The present work is concerned with the problem of selecting the best hyperspectral image (HSI) classification algorithm. There are compared the following algorithms in our paper: decision tree using cross-validation function, decision tree C4.5 (C5.0), Bayesian classifier, maximum likelihood classifier, minimizing MSE classifier, including a special case - classification on conjugation, spectral angle mapper classifier(for mean vector and nearest neighbor) and support vector machine (SVM). There are presented experimental results of these algorithms for hyperspectral images received by AVIRIS satellite and during SpecTIR project.
