神経ネットワークとサポートベクターマシンを用いた多スペクトル土地利用分類：どちらか一方、または両方か？

土地利用分類は、多くのリモートセンシングアプリケーションの重要な部分です。統計的および神経ネットワーク分類器のリモートセンシング画像への応用に関する多くの研究が行われています。この研究は、統計学習理論の枠組みの中で導入された新しいパターン認識手法であるサポートベクターマシン（SVM）の研究と実装、およびリモートセンシング画像分類への応用を含みます。人工ニューラルネットワーク（ANN）などの標準分類器は、入力特徴空間の次元に応じて指数的に増加する数のトレーニングサンプルを必要とします。限られたトレーニングサンプルでは、次元が増加すると分類率が低下します。SVMは、特徴空間の次元に依存せず、この分類技術の主なアイデアは、境界ピクセルを使用して決定境界を作成することによって、クラス間のマージンを最大化する表面でクラスを分離することです。SVMの結果は、伝統的な最尤分類（MLC）およびANN分類器と比較されます。結果は、ANNとSVM分類器が伝統的なMLCよりも優れた性能を示すことを示唆しています。SVMとANNは比較可能な結果を示します。ただし、精度は（ANNの場合の隠れノードの数やSVMの場合のカーネルパラメータなど）要因に依存します。SVMが必要とするトレーニング時間は、何桁も少なくなります。