Key points are not available for this paper at this time.
스펙트럼 이미징 기술의 빠른 발전과 함께, 하이퍼스펙트럴 이미지(HSI)의 분류는 원격 탐사 분야에서 토지 조사 및 자원 모니터링과 같은 다양한 응용 분야에서 큰 주목을 받고 있습니다. HSI 분류의 주요 도전 과제는 데이터 큐브에서 제공되는 공간-스펙트럴 정보를 완전히 활용하기 위한 효과적인 접근 방식을 탐구하는 것입니다. 다중 커널 학습(MKL)은 스펙트럼 및 공간 특성의 이질적인 융합을 처리할 수 있는 능력 덕분에 HSI 분류에 성공적으로 적용되었습니다. 이 접근법은 비선형 데이터 구조를 모델링하기 위해 몇 개의 고정 커널의 최적 가중 합으로서 적응형 커널을 생성할 수 있습니다. 이러한 방식으로 커널 선택의 어려움과 고정 커널의 제한을 완화할 수 있습니다. 최근 몇 년간 일반 MKL, 서브스페이스 MKL, 비선형 MKL, 희소 MKL 및 앙상블 MKL과 같은 다양한 MKL 알고리즘이 개발되었습니다. 본 논문의 목표는 HSI 분류에 적용된 MKL 방법에 대한 체계적인 리뷰를 제공하는 것입니다. 또한 서로 다른 HSI 분류 사례에 대한 다양한 MKL 알고리즘과 그 각각의 특성을 분석하고 평가합니다. 마지막으로, 이 분야의 연구에서의 향후 방향과 동향에 대해 논의합니다.
Gu et al. (Mon,)이 이 질문을 연구했습니다.