International Journal of Remote Sensing· 2018Q2· Derleme
Uzaktan algılamada makine öğrenimi sınıflandırmasının uygulanması: uygulamalı bir derleme
Implementation of machine-learning classification in remote sensing: an applied review
- 1.969atıf
- Q2SCImago
- 2018yıl
Kısa özet
Bu derleme, uzaktan algılama verilerinin sınıflandırılması için makine öğreniminin uygulanmasına yönelik pratik bir genel bakış sunmakta ve SVM, Random Forests ve sinir ağları gibi olgun algoritmaları ele almaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Uzaktan algılama sınıflandırması için olgun makine öğrenimi algoritmalarını (SVM, Random Forests, ANNs, k-NN) inceler.
- Pratik uygulama zorluklarını ele alır: algoritma seçimi, eğitim verisi, parametre ayarı, özellik azaltma.
- İki kamuya açık uzaktan algılama veri kümesi üzerinde uygulamalarla sorunları örneklendirir.
- Yüksek boyutlu ve karmaşık uzaktan algılama verileri için makine öğreniminin potansiyelini vurgular.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Machine learning offers the potential for effective and efficient classification of remotely sensed imagery. The strengths of machine learning include the capacity to handle data of high dimensionality and to map classes with very complex characteristics. Nevertheless, implementing a machine-learning classification is not straightforward, and the literature provides conflicting advice regarding many key issues. This article therefore provides an overview of machine learning from an applied perspective. We focus on the relatively mature methods of support vector machines, single decision trees (DTs), Random Forests, boosted DTs, artificial neural networks, and k-nearest neighbours (k-NN). Issues considered include the choice of algorithm, training data requirements, user-defined parameter selection and optimization, feature space impacts and reduction, and computational costs. We illustrate these issues through applying machine-learning classification to two publically available remotely sensed data sets.
Yazarların özeti; kaynağından alınmıştır. International Journal of Remote Sensing, 2018 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Medya Teknolojisi
Media TechnologyEngineering