...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Selected Topics in Applied Earth Observations and Remote Sensing, IEEE Journal of >A Hyperheuristic Approach for Unsupervised Land-Cover Classification
【24h】

A Hyperheuristic Approach for Unsupervised Land-Cover Classification

机译：无监督土地覆盖分类的超启发式方法

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

Unsupervised land-use/cover classification is of great interest, since it becomes even more difficult to obtain high-quality labeled data. Still considered one of the most used clustering techniques, the well-known $k$-means plays an important role in the pattern recognition community. Its simple formulation and good results in a number of applications have fostered the development of new variants and methodologies to address the problem of minimizing the distance from each dataset sample to its nearest centroid (mean). In this paper, we present a genetic programming-based hyperheuristic approach to combine different metaheuristic techniques used to enhance $k$ -means effectiveness. The proposed approach is evaluated in four satellite and one radar image showing promising results, while outperforming each individual metaheuristic technique.
机译：无监督土地用途/覆盖物分类引起了极大的兴趣，因为获得高质量的标签数据变得更加困难。仍然被认为是最常用的聚类技术之一，众所周知的$ k $ -means在模式识别社区中起着重要的作用。它的简单公式化和在许多应用中的良好结果促进了新变体和方法论的发展，以解决最小化每个数据集样本到其最近质心（均值）的距离的问题。在本文中，我们提出了一种基于遗传程序设计的超启发式方法，结合了用于增强$ k $均值有效性的不同元启发式技术。所提出的方法在四颗卫星和一张雷达图像中进行了评估，显示出令人鼓舞的结果，同时胜过了每种单独的元启发式技术。

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