基于高光谱数据的机器学习回归估算多种水质参数
计算机视觉与模式识别
2019-07-02 v2 定量方法
机器学习
摘要
本文提出一种包含多种机器学习模型的回归框架，基于高光谱数据估算水质参数。在德国易北河开展的多传感器野外实测数据构成基准数据集。该数据集包含高光谱数据及五种水质参数：叶绿素 a、绿藻、硅藻、CDOM 和浊度。我们对高维数据应用 PCA 作为可能的预处理步骤。随后，我们评估了该回归框架在有和无此预处理步骤下的性能。框架的回归结果清晰揭示了利用机器学习基于高光谱数据估算水质参数的潜力。所提框架为进一步研究奠定了基础，例如调整框架以估算不同内陆水域的水质参数。
引用
@article{arxiv.1805.01361,
title = {Machine learning regression on hyperspectral data to estimate multiple water parameters},
author = {Philipp M. Maier and Sina Keller},
journal= {arXiv preprint arXiv:1805.01361},
year = {2019}
}
备注
This work has been accepted to the IEEE WHISPERS 2018 conference. (C) 2018 IEEE