整合乘积系数以提升3D LiDAR数据分类性能
机器学习
2025-03-18 v1 计算机视觉与模式识别
泛函分析
机器学习
摘要
本文针对3D点云LiDAR数据的分类精度提升问题展开研究。LiDAR是一种光学遥感技术，用于估计给定地形的三维坐标。我们的方法引入乘积系数——源自测度论的理论量——作为分类过程中的附加特征。我们定义并给出了乘积系数的表述形式，并将其与主成分分析（PCA）作为特征输入进行了对比研究。结果表明，将乘积系数纳入特征集可显著提升该新框架下的分类精度。
引用
@article{arxiv.2503.11943,
title = {Integrating Product Coefficients for Improved 3D LiDAR Data Classification},
author = {Patricia Medina},
journal= {arXiv preprint arXiv:2503.11943},
year = {2025}
}
备注
13 pages, 5 figures, to be published in Data Management, Analytics, and Innovation, Proceedings of ICDMAI 2025 by Springer