生命科学 医药健康 基础科学 工程技术 信息科学 资源环境 前沿交叉 政策管理
 
论文作者:Chi Hau Chen 期刊:《模式识别》 发布时间:2008-7-3 13:43:4
ELSEVIER
统计模式识别与遥感

 
通俗而言,统计模式识别主要是将一种模式正确地分成几种现有的模式类,其研究的热点问题主要包括图像预处理、特征提取与选择、参数或非参数概率密度估计、控制决策、结果评估、后期处理、有监督或无监督学习训练以及簇分析。
 
遥感数据主要来源于安装在卫星或空间航天器上的多谱段、超谱段、雷达、光学或红外传感器,这些现有的大量遥感数据使得统计模式识别尤为适用。现有的统计模式识别理论,绝大部分是从20世纪 60年代发展起来的,主要有基于贝叶斯近邻域决策和密度估计理论的模式识别构建,将Parzen密度估计应用非参数模式识别,统计长度测量和错误边界于边缘提取,Fisher线性判别式和多分类归纳,K均值算法等。人工神经网络和支持向量机经过近20年的发展,它们也被应用于统计分类器中。
 
特征提取与选择是统计模式识别中一个最基本的问题。在遥感图像中,一个简单的特征提取和还原主要应用诸如主成分分析(PCA)、独立分量分析(ICA)和小波分析等变换方法。从模式分类的角度出发,神经网络方法特别适用于统计模式识别,尤其适用于解决遥感问题,因为它很少依赖于训练样本,极少根据Hughes现象选择网络结构;支持向量机也由于其同样的优点而成功应用于统计模式识别中。相关论文发表在爱思唯尔期刊《模式识别》(Pattern Recognition)杂志上。(科学新闻杂志 葛继/编译)
 
(《模式识别》(Pattern Recognition),Volume 41, Issue 9, September 2008, Pages 2731-2741,Chi Hau Chen,Pei-Gee Peter Ho)
 
更多阅读(英文)
 
发E-mail给: 
    
| 打印 | 评论 | 论坛 | 博客 |
相关论文 一周论文排行

小字号

中字号

大字号