リモートセンシング画像分類：サポートベクターマシンに基づく先進技術の調査

リモートセンシング（RS）アプリケーションにおける土地利用マッピングは、意思決定支援および環境モニタリングシステムに対して豊富な情報を提供します。このような情報の導出は、異なるカテゴリの複雑な土地利用面積を識別するための堅牢な分類方法にますます依存しています。RS画像の分析には、多くの分類技術が設計されています。この文脈で、サポートベクターマシン（SVM）は最近、ますます注目を集めています。しかし、小規模なトレーニングセットの必要性は、効率的な教師あり分類器の設計におけるボトルネックとなっています。一方で、RS画像には十分な数のラベル未付与データが readily available であり、補完的な情報源として利用できます。これらの貴重なラベル未付与データを最大限に活用するために、アクティブSVM、半教師ありSVM（S3VM）、および他のアルゴリズムと組み合わせたSVMなどの有望な先進SVMベースの方法が、衛星画像を分析するために開発されてきました。この文献レビューでは、RS画像を探るためのこれらの学習技術を調査しました。さらに、SVMと三つの代表的な技術の経験的証拠を提供しました。このレビューが今後の研究者にとって、RSアプリケーションにおけるさらなるアルゴリズム開発の指針を提供することを期待しています。