オートエンコーダーを用いたアンサンブルExtreme Learning Machineに基づくリモートセンシングの画像分類

Remote Sensing Image Classification Based on Ensemble Extreme Learning Machine With Stacked Autoencoder
Lv, Fei and Han, Min and Qiu, Tie
IEEE Access, vol. 5, pp. 9021-9031, 2017

分類は,リモートセンシングで最も人気のあるトピックの1つである.リモートセンシングデータは複雑であり,ラベルされたトレーニングサンプルの数がリモートセンシング画像の分類における性能および効率を制限してしまうという問題がある.これらの問題のために,過去20年間に膨大な数の方法が提案された.しかし,それらの大部分は良好な性能をもたらさない.本論文では,ELMのアンサンブルに基づくリモートセンシング画像分類アルゴリズムSAE-ELMを提案する.まず,アンサンブルの分類精度を向上させるために,標本データに特徴的なセグメンテーションとSAEを採用し,ベース分類器間の多様性を向上させる.さらに,アルゴリズムの学習速度を向上させるために,ELMニューラルネットワークをベース分類器として選択する.最後に,最終的なアンサンブルベースの分類器を決定するために,Q-statisticsを用いた.実験では,提案アルゴリズムをBagging,Adaboost,Random Forestらと比較し,提案アルゴリズムが低解像度,中解像度,高解像度,ハイスペクトラムのリモートセンシング画像で高い分類精度を得るだけでなく,UCIデータにおいて,高い安定性と汎用性を示した.