Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

01.09.2012 | Original Article | Ausgabe 3/2012

International Journal of Machine Learning and Cybernetics 3/2012

A novel semisupervised SVM for pixel classification of remote sensing imagery

Zeitschrift:
International Journal of Machine Learning and Cybernetics > Ausgabe 3/2012
Autoren:
Ujjwal Maulik, Debasis Chakraborty

Abstract

This article introduces a semisupervised support vector machine classification technique that exploits both labeled and unlabeled points for addressing the problem of pixel classification of remote sensing images. The proposed technique is based on applying the margin maximization principle to both labeled and unlabeled patterns. Semisupervised SVM progressively searches a reliable discriminant hyperplane in the high dimensional space through iterative method exploiting both labeled and unlabeled samples. In particular, the dynamic thresholding and successive filtering of the unlabeled set are exploited to find a reliable separating hyperplane. The proposed technique is first demonstrated for six labeled datasets described in terms of feature vectors and then identifying different land cover regions in remote sensing imagery and compared with the standard SVM. Experimental results confirm that employing this learning scheme removes unnecessary points to a great extent from the unlabeled set and increases the accuracy level on the other hand. Comparison is made in terms of accuracy, ROC, AUC and F-measure for the labeled data and quantitative cluster validity indices as well as classified image quality for the image data.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 3/2012

International Journal of Machine Learning and Cybernetics 3/2012 Zur Ausgabe