利用 M3GP 演化的超特征改进遥感中过火区域的检测
机器学习
2020-02-04 v1 图像与视频处理
机器学习
摘要
在处理卫星图像时遇到的一个问题是图像内部及不同图像之间的辐射变化。为了改进用于过火区域分类的遥感模型，我们设定了两个目标。第一个目标是理解特征空间与模型预测能力之间的关系，从而使我们能够解释在不同数据集上训练和测试时学习与泛化之间的差异。我们发现，在由多幅图像构建的数据集上训练可得到泛化能力更好的模型。这些结果通过可视化特征空间上的数值分布得以解释。第二个目标是演化超特征，以提升多种分类器在各类测试集上的性能。我们发现超特征是有益的，并且即使超特征是针对不同方法优化的，也用 XGBoost 获得了最佳模型。
引用
@article{arxiv.2002.00053,
title = {Improving the Detection of Burnt Areas in Remote Sensing using Hyper-features Evolved by M3GP},
author = {João E. Batista and Sara Silva},
journal= {arXiv preprint arXiv:2002.00053},
year = {2020}
}