| Инд. авторы: | Бериков В.Б., Пестунов И.А., Козинец Р.М., Рылов С.А. |
| Заглавие: | Распознавание мультиспектральных изображений с использованием деревьев решений, основанных на сходстве |
| Библ. ссылка: | Бериков В.Б., Пестунов И.А., Козинец Р.М., Рылов С.А. Распознавание мультиспектральных изображений с использованием деревьев решений, основанных на сходстве // Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов (SDM-2019) [Электронный ресурс]: Сборник трудов всероссийской конференции (Бердск, 26.08-30.08.2019). - 2019. - Новосибирск: Институт вычислительных технологий Сибирского отделения РАН. - С.260-264. - ISBN: 978-5-905569-11-1. |
| Внешние системы: | РИНЦ: 41376570; |
| Реферат: | rus: Предложен метод построения деревьев решений, основанных на взаимном сходстве объектов. Метод позволяет получить сложные границы принятия решений, которые имеют понятную логическую интерпретацию. Результаты проведенных экспериментов подтверждают эффективность его применения для распознавания мультиспектральных изображений. |
| Ключевые слова: | сходство объектов; мультиспектральное изображение; дерево решений; распознавание; |
| Издано: | 2019 |
| Физ. характеристика: | с.260-264 |
| Конференция: | Название: Всероссийская конференция с международным участием «Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов» Аббревиатура: SDM-2019 Город: Бердск, Новосибирская область Страна: Россия Даты проведения: 2019-08-26 - 2019-08-30 Ссылка: http://conf.nsc.ru/SDM-2019 |
| Цитирование: | 1. Lbov G.S. Logical Function in the Problems of Empirical Prediction. Handbook of statistics. Amsterdam: North-Holland Publishing Company, 1982. Vol. 2. P. 479-492. 2. Breiman L., Friedman J.H., Olshen R.A., Stone C.J. Classification and Regression Trees. N.Y.: Routledge, 1984. 368 p. 3. Breiman L. Random forests // Machine learning. 2001. Vol. 45(1). P. 5-32. 4. Schapire R.E. The boosting approach to machine learning: An overview // Nonlinear estimation and classification. N.Y.: Springer, 2003. P. 149-171. 5. Kotsiantis S.B. Decision trees: a recent overview // Artificial Intelligence Review. 2013. Vol. 39(4). P. 261-283. DOI:10.1007/s10462-011-9272-4. 6. Лбов Г.С., Бериков В.Б. Выбор оптимальной сложности класса логических решающих функций в задачах распознавания образов // Доклады РАН. 2007. Т. 417, № 1. С. 26-29. 7. Lbov G.S., Berikov V.B. Recursive Method of Formation of the Recognition Decision Rule in the Class of Logical Functions // Pattern Recognition and Image Analysis. 1993. Vol. 3(4). P. 428-431. 8. Kira K., Rendell L. A Practical Approach to Feature Selection // Proceedings of the Ninth International Conference on Machine Learning. 1992. P. 249-256. 9. Cortes C., Vapnik V. Support-vector networks // Machine learning. 1995. Vol. 20(3). P. 273-297. |