최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국지형공간정보학회지 = Journal of the korean society for geospatial information science, v.21 no.2, 2013년, pp.19 - 25
강남이 (전북대학교 토목공학과) , 고신영 (전북대학교 토목공학과) , 조기성 (전북대학교 토목공학과)
Recently, the high-resolution satellite images is used the land cover and status data for the natural resources or environment management very helpful. The SVM algorithm of image processing has been used in various field. However, classification accuracy by SVM algorithm can be changed by various ke...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
SVM 분류 기법의 목적은 무엇인가? | SVM은 1995년 Vapnik에 의해 구체적으로 제안되었으며 기존의 다중신경망 방법과 비교하여 구조적 오류를 최소화시킨다(Vapnik, 1995). SVM 분류 기법은 가능한 다양한 데이터들을 최대한의 거리로 분리시키는 최적의 초평면(Hyperplane)을 찾는 것이 목적이다. 이때 분류 항목 간의 초평면과 가장 가까운 값을 Support Vector라고 하며, Support Vector와 초평면사 이의 최대 거리를 마진(Margin)이라고 한다(Foody, 2004; Prasad, 2011). | |
KOMPSAT-2는 무엇인가? | 우리나라의 경우 1992년 우리별 1호를 발사 후 계속된 발전을 통하여 2006년 KOMPSAT-2를 발사하였다. 이는 공간해상도 1m급의 우리나라 최초의 고해상도 위성이다. 이를 바탕으로 국내에서 KOMPSAT-2의 영상 자료를 활용하기 위한 연구가 계속해서 진행되어왔다. | |
고해상도 위성의 장점은 무엇인가? | 고해상도 위성영상은 일반적으로 1m급 이하의 공간해상도를 가지고 있어 지표속성에 대한 특성을 자세하게 나타낼 수 있어 다양한 분야에서 활용할 수 있다. 고해상도 위성영상의 공간해상도는 최근 크게 향상되어 항공영상과 유사한 공간해상도를 나타내고 있어 세밀한 지도제작 기술에 접목할 수 있게 되었다. 또한 촬영계획부터 영상자료의 취득까지 시간이 걸리는 항공영상보다는 일정 궤도를 따라 위성이 운행하며 주기적으로 지표면에 대한 영상자료의 취득이 가능하여 다양한 분야에 빠르게 적용이 가능하다는 장점을 가지고 있다. |
Carl Staelin, 2003, Parameter selection for SVMs, Hewlett-Packard Company.
Chang, Q., Chen, Q., Wang, X., 2005, Scaling gaussian RBF kernel width to improve SVM classification, ICNN&B 05' International Conference, Vol. 1.
Chi, M., Feng, R., Bruzzone, L., 2008, Classification of hyperspectral remote-sensing data with primal SVM for small-sized training dataset problem, Advances in Space Research, Vol. 41, No. 11, pp. 1793-1799.
Choi, Jae Wan, Byun, Young Gi, Kim, Yong Il, Yu, Ki Yun, 2006, Support vector machine classification of hyperspectral image using spectral similarity kernel, The Korean Society for Spatial Information system, Vol. 14, No. 4, pp. 71-77.
Foody, G.M., Mathur, A., 2004, A relative evaluation of multi-class image classification by SVMs, IEEE Transactions on Geoscience and Remote Sensing, Vol. 42, No. 6, pp. 1335-1343.
Han, Seung Hee, 2010, Spatial Information engineering, Goomi Book.
Kang, Nam Yi, Pak, Jung Gi, Cho, Gi Sung, Yeu, Yeon, 2012, An analysis of land cover classification methods using IKONOS satellite image, The Korean Society for Spatial Information system, Vol. 20, No. 3, pp. 65-70.
Kim, Gi Sung, 2003, Classification using support vector machine, Thesis, Inha University.
Kim, Hyo Mi, 2002, Classification of multi-class micro array gene expression data using SVM, Thesis, Yonsei University.
Lee, Chang Seok, 2011, Adult image detection based on the skin region distribution using SVM, Thesis, Hanbat National University.
Lee, Min Hoon, 2006, Study on classification of object and non-object images based on the color and texture significance, Thesis, Kumoh national Institute of Technology.
Muller, K., Mika, S., Ratisch, G., Tsuda, K., Scholkopf, B., 2001, An introduction to kernel-based learning algorithms, IEEE Transactions On Neural Networks, Vol. 12, NO. 2.
Richards, John A., 1994, Remote sensing digital image analysis : An introduction, second, Revised and Enlarged Edition, pp.229-262, Springer-Verlag.
Scholkopf, Bernhard., Smola, Alexander J., 2002, Leaning with kernels, The MIT Press, London.
Schowengerdt, R., 1983, Techniques of image processing and classification in remote sensing, 1st Ed, pp. 1-58, Academic Press.
Vapnik, Vladimir N., 1995, The nature of statical learning theory, Springer-Verlag, NewYork.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.