• طبقه بندی طیفی – مکانی تصاویر ابرطیفی با تخمین توزیع احتمال پسین مبتنی بر کرنل، میدان های تصادفی مارکوف و یادگیری فعال پیوندهای شکننده اصلاح شده

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 1227
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
     این مقاله یک رویکرد نظارت شده برای بهبود دقت طبقه بندی طیفی – مکانی تصویر ابرطیفی با ساختار طبقاتی و یادگیری فعال ارائه می دهد. الگوریتم پیشنهادی شامل دو مرحله اصلی می باشد. در ابتدا، از رگرسیون لجستیک چند جمله ای (mlr) برای استنتاج توزیع های احتمال پسین کلاس استفاده می کنیم. این امر با استفاده از رگرسیون لجستیک لاگرانژی تقویتی (lorsal) انجام گرفته است. در واقع، در این مقاله، روش lorsal با استفاده از کرنل ها به حوزه ویژگی توسعه یافته است. سپس، اطلاعات حاصل از مرحله قبل برای طبقه بندی طیفی – مکانی تصویر ابرطیفی استفاده می شود. به منظور کاهش هزینه دستیابی به مجموعه های آموزشی بزرگ، از یادگیری فعال مبتنی بر احتمالات پیشین mlr استفاده می کنیم. دیگر نوآوری این مقاله، معرفی رویکرد نمونه گیری فعال جدیدی است که پیوندهای شکننده اصلاح شده (mbt) نامیده شده و نمونه گیری ای بدون بایاس ارائه می کند. همچنین، به منظور دستیابی به حداکثر طبقه بندی طیفی – مکانی، پس از یکنواخت سازی توسط میدان های تصادفی مارکوف از الگوریتم بهینه سازی گستره آلفای عدد صحیح مبتنی بر min – cut استفاده می کنیم. عملکرد رویکرد پیشنهادی، با استفاه از مجموعه داده های طیفی واقعی در آزمایش های مختلف با نتایج سایر روش های تحلیل تصویر ابرطیفی، مقایسه شده است.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها