論文の概要: Kernel Extreme Learning Machine Optimized by the Sparrow Search
Algorithm for Hyperspectral Image Classification
- arxiv url: http://arxiv.org/abs/2204.00973v1
- Date: Sun, 3 Apr 2022 02:46:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-05 13:29:50.831539
- Title: Kernel Extreme Learning Machine Optimized by the Sparrow Search
Algorithm for Hyperspectral Image Classification
- Title(参考訳): ハイパースペクトル画像分類のためのsparrow探索アルゴリズムにより最適化されたkernel extreme learning machine
- Authors: Zhixin Yan, Jiawei Huang, Kehua Xiang
- Abstract要約: 本稿では、マルチスケールトータル変分法(MSTV)を用いてスペクトルの特徴を抽出し、局所二分法パターン(LBP)を用いて空間的特徴を抽出し、超スペクトル像の融合特徴を得る。
カーネル・エクストリーム・ラーニング・マシン(KELM)のカーネルパラメータと正規化係数を最適化するために,高収束・大域探索機能を備えた新しいスワム・インテリジェンス最適化手法であるスパロウ・サーチ・アルゴリズム(SSA)を用いる。
実験の結果,MLS-KELMは他の一般的な分類法と比較して,分類性能と一般化能力が優れており,MLS-KELMは小サンプルにおいて強い堅牢性を示すことがわかった。
- 参考スコア(独自算出の注目度): 16.51364033144792
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To improve the classification performance and generalization ability of the
hyperspectral image classification algorithm, this paper uses Multi-Scale Total
Variation (MSTV) to extract the spectral features, local binary pattern (LBP)
to extract spatial features, and feature superposition to obtain the fused
features of hyperspectral images. A new swarm intelligence optimization method
with high convergence and strong global search capability, the Sparrow Search
Algorithm (SSA), is used to optimize the kernel parameters and regularization
coefficients of the Kernel Extreme Learning Machine (KELM). In summary, a
multiscale fusion feature hyperspectral image classification method (MLS-KELM)
is proposed in this paper. The Indian Pines, Pavia University and Houston 2013
datasets were selected to validate the classification performance of MLS-KELM,
and the method was applied to ZY1-02D hyperspectral data. The experimental
results show that MLS-KELM has better classification performance and
generalization ability compared with other popular classification methods, and
MLS-KELM shows its strong robustness in the small sample case.
- Abstract(参考訳): 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性を向上させるために,マルチスケール全変動(mstv)を用いてスペクトル特徴を抽出し,局所二分パターン(lbp)を用いて空間特徴を抽出し,特徴重ね合わせを行い,ハイパースペクトル画像の融合特徴を得る。
高収束と強大域探索能力を持つ新しい群知能最適化法であるsparrow search algorithm (ssa) を用いて、kernel extreme learning machine (kelm) のカーネルパラメータと正規化係数を最適化する。
本稿では,マルチスケール核融合型超スペクトル画像分類法(mls-kelm)を提案する。
mls-kelmの分類性能を検証するためにインドパインズ、パヴィア大学、ヒューストン2013データセットを選択し、zy1-02dハイパースペクトルデータに適用した。
実験の結果,MLS-KELMは他の一般的な分類法と比較して,分類性能と一般化能力が優れており,MLS-KELMは小試料の場合において強い堅牢性を示した。
関連論文リスト
- Hierarchical Homogeneity-Based Superpixel Segmentation: Application to Hyperspectral Image Analysis [11.612069983959985]
ハイパースペクトルデータの処理に有効なマルチスケールスーパーピクセル法を提案する。
提案された階層的アプローチは、可変サイズの超画素を導くが、スペクトルの均一性は高い。
評価のために、スペクトルアンミックスおよび分類タスクにおける前処理ステップとして、同質性に基づく階層法を適用した。
論文 参考訳(メタデータ) (2024-07-22T01:20:32Z) - Superpixel Graph Contrastive Clustering with Semantic-Invariant
Augmentations for Hyperspectral Images [64.72242126879503]
ハイパースペクトル画像(HSI)クラスタリングは重要な課題だが難しい課題である。
まず3次元と2次元のハイブリッド畳み込みニューラルネットワークを用いてHSIの高次空間およびスペクトルの特徴を抽出する。
次に,超画素グラフの対比クラスタリングモデルを設計し,識別的超画素表現を学習する。
論文 参考訳(メタデータ) (2024-03-04T07:40:55Z) - DiffSpectralNet : Unveiling the Potential of Diffusion Models for
Hyperspectral Image Classification [6.521187080027966]
我々は拡散と変圧器技術を組み合わせたDiffSpectralNetと呼ばれる新しいネットワークを提案する。
まず,拡散モデルに基づく教師なし学習フレームワークを用いて,高レベル・低レベルのスペクトル空間的特徴を抽出する。
この拡散法はスペクトル空間の特徴を多様かつ有意義に抽出し,HSI分類の改善につながる。
論文 参考訳(メタデータ) (2023-10-29T15:26:37Z) - HKNAS: Classification of Hyperspectral Imagery Based on Hyper Kernel
Neural Architecture Search [104.45426861115972]
設計したハイパーカーネルを利用して,構造パラメータを直接生成することを提案する。
我々は1次元または3次元の畳み込みを伴う画素レベルの分類と画像レベルの分類を別々に行う3種類のネットワークを得る。
6つの公開データセットに関する一連の実験は、提案手法が最先端の結果を得ることを示した。
論文 参考訳(メタデータ) (2023-04-23T17:27:40Z) - ConvBLS: An Effective and Efficient Incremental Convolutional Broad
Learning System for Image Classification [63.49762079000726]
球状K-means(SKM)アルゴリズムと2段階マルチスケール(TSMS)機能融合に基づく畳み込み広範学習システム(ConvBLS)を提案する。
提案手法は前代未聞の効率的かつ効果的である。
論文 参考訳(メタデータ) (2023-04-01T04:16:12Z) - A new filter for dimensionality reduction and classification of
hyperspectral images using GLCM features and mutual information [0.0]
ハイパースペクトル画像の次元化と分類のための新しい手法を提案する。
スペクトル情報と空間情報の両方を相互情報に基づいて考慮する。
3つのよく知られたハイパースペクトルベンチマークデータセットで実験が行われる。
論文 参考訳(メタデータ) (2022-11-01T13:19:08Z) - New wrapper method based on normalized mutual information for dimension
reduction and classification of hyperspectral images [0.0]
正規化相互情報(NMI)と誤り確率(PE)に基づく新しいラッパー手法を提案する。
NASAのAVIRIS(Airborne Visible/Infrared Imaging Spectrometer Sensor)が捉えた、2つの挑戦的なハイパースペクトルベンチマークデータセットで実験が行われた。
論文 参考訳(メタデータ) (2022-10-25T21:17:11Z) - Adversarial Feature Augmentation and Normalization for Visual
Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。
本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。
代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文 参考訳(メタデータ) (2021-03-22T20:36:34Z) - Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。
我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
論文 参考訳(メタデータ) (2020-10-22T15:58:35Z) - Multi-View Spectral Clustering with High-Order Optimal Neighborhood
Laplacian Matrix [57.11971786407279]
マルチビュースペクトルクラスタリングは、データ間の固有のクラスタ構造を効果的に明らかにすることができる。
本稿では,高次最適近傍ラプラシア行列を学習するマルチビュースペクトルクラスタリングアルゴリズムを提案する。
提案アルゴリズムは, 1次ベースと高次ベースの両方の線形結合の近傍を探索し, 最適ラプラシア行列を生成する。
論文 参考訳(メタデータ) (2020-08-31T12:28:40Z) - Land Use and Land Cover Classification using a Human Group based
Particle Swarm Optimization Algorithm with a LSTM classifier on
hybrid-pre-processing Remote Sensing Images [0.0]
リモートセンシング画像を用いた土地利用・土地被覆分類(LULC)は多くの環境モデリングや土地利用在庫において重要な役割を担っている。
本研究では,LULC分類の性能向上のために,ディープラーニング分類器とハイブリッド特徴最適化アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-08-04T15:30:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。