論文の概要: Automated Discovery of Parsimonious Spectral Indices via Normalized Difference Polynomials

• arxiv url: http://arxiv.org/abs/2512.21948v1
• Date: Fri, 26 Dec 2025 09:48:41 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 12:04:11.381848
• Title: Automated Discovery of Parsimonious Spectral Indices via Normalized Difference Polynomials
• Title（参考訳）: 正規化微分多項式による擬似スペクトル指標の自動発見
• Authors: Ali Lotfi, Adam Carter, Thuan Ha, Mohammad Meysami, Kwabena Nketia, Steve Shirtliffe,
• Abstract要約: 本稿では,植生分類のためのコンパクトなスペクトル指標の自動抽出手法を提案する。 単一次数2の指数は、赤辺のバンドと2つの正規化された違いの積であり、既に96.26%の精度に達している。 インデックスは単純な算術のみを含むため、Google Earth Engineのようなプラットフォームに直接デプロイすることができる。
• 参考スコア（独自算出の注目度）: 0.5131152350448098
• License:
• Abstract: We introduce an automated way to find compact spectral indices for vegetation classification. The idea is to take all pairwise normalized differences from the spectral bands and then build polynomial combinations up to a fixed degree, which gives a structured search space that still keeps the illumination invariance needed in remote sensing. For a sensor with $n$ bands this produces $\binom{n}{2}$ base normalized differences, and the degree-2 polynomial expansion gives 1,080 candidate features for the 10-band Sentinel-2 configuration we use here. Feature selection methods (ANOVA filtering, recursive elimination, and $L_1$-regularized SVM) then pick out small sets of indices that reach the desired accuracy, so the final models stay simple and easy to interpret. We test the framework on Kochia (\textit{Bassia scoparia}) detection using Sentinel-2 imagery from Saskatchewan, Canada ($N = 2{,}318$ samples, 2022--2024). A single degree-2 index, the product of two normalized differences from the red-edge bands, already reaches 96.26\% accuracy, and using eight indices only raises this to 97.70\%. In every case the chosen features are degree-2 products built from bands $b_4$ through $b_8$, which suggests that the discriminative signal comes from spectral \emph{interactions} rather than individual band ratios. Because the indices involve only simple arithmetic, they can be deployed directly in platforms like Google Earth Engine. The same approach works for other sensors and classification tasks, and an open-source implementation (\texttt{ndindex}) is available.
• Abstract（参考訳）: 本稿では,植生分類のためのコンパクトなスペクトル指標の自動抽出手法を提案する。 このアイデアは、スペクトルバンドから全てのペアワイズ正規化された違いを取り除き、多項式の組み合わせを一定度まで構築することで、リモートセンシングに必要な照度不変性を維持する構造付き探索空間を提供することである。 n$バンドを持つセンサの場合、これは$\binom{n}{2}$基底正規化差分を生成し、次数2多項式展開はここで使用する10バンドSentinel-2の構成に対して1,080の候補特徴を与える。 特徴選択法(ANOVAフィルタリング、再帰的除去、および$L_1$-regularized SVM)は、所望の精度に達する指標の小さなセットを選択するので、最終的なモデルは単純で容易に解釈できる。 カナダ・サスカチュワン州 (N = 2{,}318$ sample, 2022-2024) のSentinel-2 画像を用いた Kochia (\textit{Bassia scoparia}) 検出の枠組みを検証した。 1次2指数は、赤辺のバンドと2つの正規化された違いの積であり、既に96.26\%の精度に達し、8つのインデックスを使用すると97.70\%にしか上昇しない。 いずれの場合も、選択された特徴は、バンド$b_4$から$b_8$で構築された次数2の製品であり、これは、識別信号が個々のバンド比ではなくスペクトル \emph{interactions} から来ていることを示唆している。 インデックスは単純な算術のみを含むため、Google Earth Engineのようなプラットフォームに直接デプロイすることができる。 同じアプローチは、他のセンサーや分類タスクにも適用でき、オープンソース実装(\texttt{ndindex})が利用可能である。

関連論文リスト

• LMFD: Latent Monotonic Feature Discovery [0.0]
  その結果,センサを低単調性,低単調性,遅延特性,高単調性と組み合わせることができることがわかった。 提案手法は,システムの年齢のプロキシとして機能する解釈可能な方程式を見つけることができる。
  論文  参考訳（メタデータ） (2025-10-22T09:01:03Z)
• The Generative Leap: Sharp Sample Complexity for Efficiently Learning Gaussian Multi-Index Models [71.5283441529015]
  この研究において、ラベルは(ガウス)$d$-次元入力にのみ依存し、低次元$r = O_d(1)$部分空間への射影を通して得られる。 生成的跳躍指数 $kstar$, [Damian et al.'24] から生成的指数の自然拡張をマルチインデックス設定に導入する。
  論文  参考訳（メタデータ） (2025-06-05T18:34:56Z)
• GIST: Greedy Independent Set Thresholding for Max-Min Diversification with Submodular Utility [16.843606527688326]
  単調な部分モジュラーユーティリティ(textsfMDMS$)を用いた最大分数分散と呼ばれる新しい部分集合選択問題について検討する。 計量空間内の点の集合が与えられた場合、$textsfMDMS$の目標は、濃度制約の対象である$f(S) = g(S) + lambda cdot texttdiv(S)$を最大化することである。 ImageNet上のシングルショットデータサンプリングタスクに対して、texttGIST$が最先端のベンチマークより優れていることを示す。
  論文  参考訳（メタデータ） (2024-05-29T04:39:24Z)
• Sharper Bounds for $\ell_p$ Sensitivity Sampling [56.45770306797584]
  まず, $ell_p$ 部分空間埋め込みを $p に対して高感度サンプリングする。 また、ルートレバレッジスコアサンプリングアルゴリズムは1leq p2$に対して約$d$を達成し、レバレッジスコアと感度サンプリングの組み合わせにより、約$d2/pmathfrak S2-4/p$を2pinftyで改善することを示した。
  論文  参考訳（メタデータ） (2023-06-01T14:27:28Z)
• Stochastic Approximation Approaches to Group Distributionally Robust Optimization and Beyond [89.72693227960274]
  本稿では,グループ分散ロバスト最適化 (GDRO) を,$m$以上の異なる分布をうまく処理するモデルを学習する目的で検討する。 各ラウンドのサンプル数を$m$から1に抑えるため、GDROを2人でプレイするゲームとして、一方のプレイヤーが実行し、他方のプレイヤーが非公開のマルチアームバンディットのオンラインアルゴリズムを実行する。 第2のシナリオでは、最大リスクではなく、平均的最上位k$リスクを最適化し、分散の影響を軽減することを提案する。
  論文  参考訳（メタデータ） (2023-02-18T09:24:15Z)
• Unsupervised spectral-band feature identification for optimal process discrimination [1.2691047660244335]
  EGO-MDAは、2つのクラスからのスペクトルのサンプルに対して最適なスペクトル帯域を$underlinealpha*$で識別する教師なし手法である。 異常追跡のための最適スペクトルバンドリングの工学的応用として、EGO-MDAは、試験された他の方法と比較して、中央値の約70%の改善を達成した。
  論文  参考訳（メタデータ） (2022-12-07T17:32:27Z)
• On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
  バイレベル最適化は、幅広い機械学習モデルに適用されている。 既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。 そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-30T05:29:52Z)
• An Improved Analysis of Gradient Tracking for Decentralized Machine Learning [34.144764431505486]
  トレーニングデータが$n$エージェントに分散されるネットワーク上での分散機械学習を検討する。 エージェントの共通の目標は、すべての局所損失関数の平均を最小化するモデルを見つけることである。 ノイズのない場合、$p$を$mathcalO(p-1)$から$mathcalO(p-1)$に改善します。
  論文  参考訳（メタデータ） (2022-02-08T12:58:14Z)

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。