勝者ニューロンの発火回数を利用したASTERリモートセンシングデータ解析

カテゴリ: 部門大会

論文No: GS13-5

グループ名: 【C】平成19年電気学会電子・情報・システム部門大会講演論文集

発行日: 2007/09/04

タイトル(英語): ASTER Remote Sensing Data Analysis Using a Fired Number of Winner Neurons

著者名: 長尾 修行(大阪府立大学),大松 繁(大阪府立大学),吉岡 理文(大阪府立大学)

著者名(英語): Nobuyuki Nagao(Osaka Prefecture University),Sigeru Omatu(Osaka Prefecture University),Michifumi Yoshioka(Osaka Prefecture University)

キーワード: リモートセンシング|自己組織化マップ|学習ベクトル量子化学習ベクトル量子化|Remote Sensing|Self-Organizing Map|Learning Vector Quantization

要約(日本語): リモートセンシング技術の応用例の一つとして、土地利用形態の分類がある。その分類手法として、自己組織化マップ（Self-Organizing Map）と学習ベクトル量子化（Learning Vector Quantization）の二つの学習ステージを用いる。まず、第一ステージでは、SOMを用いて分類対象画像の特徴ベクトルの抽出を行う。次に、第二ステージでは、分割数n個の場合、第一ステージでのSOMの学習時において、発火回数が上位n個のニューロンの結合荷重ベクトルをLVQの結合荷重ベクトルの初期値とし、学習を行う。以上二つの学習ステージによって、分類精度の向上を行う。

PDFファイルサイズ: 1,745 Kバイト