...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Import Vector Machines for Quantitative Analysis of Hyperspectral Data
【24h】

Import Vector Machines for Quantitative Analysis of Hyperspectral Data

机译：导入矢量机对高光谱数据进行定量分析

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this letter we explore probabilities derived from an import vector machines (IVM) classifier as quantitative measures of class proportion. We have developed a parameter selection strategy that improves the description of class proportions. This strategy incorporates the use of spectral mixtures, which represent gradual class transitions, into the parameter selection process. In addition, we evaluated the sensitivity of our approach in regard to increasing training uncertainty and signal-to-noise ratio. The approach was tested for binary, two-class problems on hyperspectral in situ measurements. The IVM models generated with our parameter selection strategy achieved similar or even improved classification accuracies compared to parameter selection with the standard IVM classification approach. Furthermore, the respective class probabilities correlated highly with reference class proportions. This new strategy is less affected by the inclusion of random noise and relatively stable against increased training errors.
机译：在这封信中，我们探讨了源自进口矢量机（IVM）分类器的概率，作为类比例的定量度量。我们已经开发了一种参数选择策略，可以改善班级比例的描述。此策略将代表渐变类转换的频谱混合的使用纳入参数选择过程。此外，我们评估了我们的方法在增加训练不确定性和信噪比方面的敏感性。该方法已针对高光谱原位测量中的二元，两类问题进行了测试。与使用标准IVM分类方法进行参数选择相比，使用我们的参数选择策略生成的IVM模型获得了相似甚至更高的分类精度。此外，各个类别的概率与参考类别的比例高度相关。这种新策略受随机噪声的影响较小，并且在增加训练误差方面相对稳定。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号