Сибирский федеральный университет

Перевод названия: The Effectiveness of Non-Parametric Classifiers in a Limited Training Set

Тип публикации: статья из журнала

Год издания: 2012

Ключевые слова: remote sensing, pattern recognition, Supervised classification, neural networks, support vector machine, дистанционное зондирование, распознавание образов, управляемая классификация, нейронные сети, метод опорных векторов

Аннотация: В работе представлен сравнительный анализ эффективности применения метода опорных векторов и искусственных нейронных сетей для классификации космических снимков среднего пространственного разрешения на примере области высокой степени гетерогенности и лимитированной обучающей выборки. В качестве исходных данных для формирования тестовых наборов использовались результаты полевых исследований. Нейросетевой подход показал незначительно лучший результат по точности классификации (89,9 против 86,2 % метода опорных векторов), но при этом оказался более требовательным относительно временных ресурсов. This paper presents a comparative analysis of the effectiveness of the method of support vector machine and artificial neural networks for classification of satellite images medium spatial resolution as an example of a high degree of heterogeneity and limited training data. The results of field-based researches have been used for test cases generation. Neural network approach showed the best result for classification accuracy (89,9 % vs. 86,2 % support vector), but was significantly less speed.

Журнал: Журнал Сибирского федерального университета. Серия: Техника и технологии

Выпуск журнала: Т. 5, № 5

Номера страниц: 495-506

ISSN журнала: 1999494X

Место издания: Красноярск

Издатель: Федеральное государственное автономное образовательное учреждение высшего образования Сибирский федеральный университет

• Романов А.А. (Сибирский федеральный университет)
• Рубанов К.А. (Сибирский федеральный университет)

• Ядро РИНЦ (eLIBRARY.RU)
• Список ВАК