基于机器学习方法与遗传算法在转导与归纳场景下的血迹类物质高光谱分类
计算机视觉与模式识别
2020-11-05 v1 机器学习
神经与进化计算
摘要
本研究聚焦于将遗传算法（GA）应用于高光谱图像分类中的模型与波段选择。我们使用一个受法医学启发的包含血液及五种视觉相似物质的数据集，由七幅高光谱图像组成，以在两个场景下测试 GA 优化的分类器：训练与测试数据来自同一图像时，以及它们来自不同图像时——后者因光谱差异显著而更具挑战性。在我们的实验中，我们将 GA 与通过网格搜索的经典模型优化进行比较。结果表明，基于 GA 的模型优化能够减少波段数量并构建准确的分类器，其性能优于基于网格搜索（GS）的参考模型，前提是模型优化过程中可获取与测试数据相似的样本。我们通过一项实验说明了验证集的重要性。
引用
@article{arxiv.2011.02188,
title = {Hyperspectral classification of blood-like substances using machine learning methods combined with genetic algorithms in transductive and inductive scenarios},
author = {Filip Pałka and Wojciech Książek and Paweł Pławiak and Michał Romaszewski and Kamil Książek},
journal= {arXiv preprint arXiv:2011.02188},
year = {2020}
}