하이퍼스펙트럼 분류를 위한 비모수 결합 베이지안 사전 및 분류기 학습

우리는 하이퍼스펙트럼 분류를 위한 선형 분류기와 함께 구별되는 사전을 학습하는 원칙적인 접근 방식을 제안합니다. 우리의 접근 방식은 자연 스펙트럼의 상대적인 매끄러움을 고려하기 위해 사전에 가우시안 프로세스 사전을 설정하며, 분류기 매개변수는 다변량 가우시안으로 샘플링됩니다. 우리는 사전과 분류기를 동시에 추론하기 위해 두 개의 베타-베르누이 프로세스를 사용합니다. 이러한 프로세스는 동일한 베르누이 분포 집합 하에 결합됩니다. 우리의 접근 방식에서 이러한 분포는 클래스별 훈련 스펙트럼을 나타내는 사전 원자의 사용 빈도를 나타내어 사전을 구별할 수 있게 만듭니다. 사전과 분류기 간의 결합으로 인해, 서로 다른 클래스를 나타내기 위한 원자의 인기도가 분류기에 인코딩됩니다. 이는 사전에 의해 먼저 표현된 시험 스펙트럼의 클래스 레이블을 예측하는 데 도움이 됩니다. 스펙트럼의 레이블은 결과 표현을 분류기에 입력하여 예측됩니다. 우리의 접근 방식은 비모수 베이지안 프레임워크를 활용하여 구별되는 사전 학습의 핵심 매개변수인 사전 크기를 자동으로 추론합니다. 또한, 사전 원자와 클래스 레이블 간의 연관성을 스스로 적응적으로 학습하는 바람직한 특성을 가지고 있습니다. 우리는 제안된 모델 하에서 사전과 분류기에 대한 후행 확률 분포를 추론하기 위해 깁스 샘플링을 사용하며, 이를 위해 분석적 표현을 도출합니다. 우리의 접근 방식의 효과성을 입증하기 위해, 우리는 표준 하이퍼스펙트럼 이미지에서 시험합니다. 분류 성능은 최신 사전 학습 기반 분류 방법들과 비교됩니다.