Skip to main content

Kernel Composition with the one-against-one Cascade for Integrating External Knowledge into SVM Classification Verknüpfung von Kernfunktionen mit der eins-gegen-eins Kaskade für die Einbindung von Wissen in die SVM Klassifizierung

Buy Article:

$39.00 plus tax (Refund Policy)

Abstract:

This work focuses on two main questions. How can data fusion be performed before SVM (support vector machine) classification? And secondly: how can the one-against-one cascade be exploited to use information selectively thus integrating human knowledge? Kernel composition represents a specialized method for fusing data on the feature level. Its main advantage is given by the fact that it reduces the Hughes phenomenon (performance decrease due to high dimensionality) because it abstains from raising dimensionality in the feature space. Since the paper focuses on hyperspectral data, a specialized kernel based on the spectral angle is employed and evaluated. Two application schemes are presented. At first, hyperspectral data are fused with laserscanning data by taking into account explicit knowledge on roof geometries. Secondly, a spectral-spatial framework for hyperspectral data is presented which integrates implicit knowledge on the relevance of spatial context into classification. Both approaches are promising as they obtain higher classification accuracies when integrating external knowledge. The innovation of the contribution is that data fusion with a second source of data via kernel composition is combined with a modification of the one-against-one cascade which allows integration of human knowledge.

German
Dieser Beitrag vertieft zwei Hauptfragen. Wie kann die Datenfusion für die SVM Klassifizierung vorgenommen werden? Und zweitens: wie kann die eins-gegen-eins Kaskade genutzt werden, um Information selektiv zu nutzen und menschliches Wissen einzubringen? Die Verknüpfung von Kernfunktionen stellt eine spezielle Methode der Datenfusion für kernbasierte Klassifikatoren wie Stützvektormaschinen (support vector machines, SVM) dar. Ihr Hauptvorteil besteht darin, dass dadurch das Hughes Phänomen (Performanzverlust durch hohe Dimensionalität) reduziert wird, indem sie es vermeidet, die Dimensionalität des Merkmalsraums zu erhöhen. Da sich der Beitrag mit hyperspektralen Daten beschäftigt, wird eine spezielle Kernfunktion, die auf dem spektralen Winkel basiert, eingesetzt und bewertet. Zwei Anwendungsschemata werden vorgestellt. Zuerst werden Hyperspektraldaten mit Laserscanningdaten fusioniert, wobei explizites Wissen über Dachgeometrien genutzt wird. Danach wird ein spektral-räumlicher Klassifizierungsansatz vorgestellt, welcher implizites Wissen über die Relevanz des räumlichen Kontextes in die Klassifizierung einbringt. Beide Ansätze sind vielversprechend, da sie höhere Klassifizierungsgenauigkeiten erzielen, wenn Wissen genutzt wird. Die Innovation des Beitrages ist, dass eine zweite Datenquelle über die Verknüpfung von Kernfunktionen kombiniert wird mit einer Modifikation der eins-gegen-eins Kaskade, die es erlaubt, Wissen zu integrieren.

Keywords: AIRBORNE LASERSCANNING; DATA FUSION; HYPERSPECTRAL; KNOWLEDGE INTEGRATION; SVM

Language: German

Document Type: Research Article

DOI: http://dx.doi.org/10.1127/1432-8364/20/0124

Publication date: August 1, 2012

More about this publication?
  • Photogrammetrie - Fernerkundung - Geoinformation (PFG) is an international scholarly journal covering the progress and application of photogrammetric methods, remote sensing technology and the intricately connected field of geoinformation processing.

    Papers published in PFG highlight new developments and applications of these technologies in practice. The journal hence addresses both researchers and student of these disciplines at academic institutions and universities and the downstream users in both the private sector and public administration.

    PFG places special editorial emphasis on the communication of new methodologies in data acquisition, new approaches to optimized processing and interpretation of all types of data which were acquired by photogrammetric methods, remote sensing, image processing and the computer-aided interpretation of such data in general.

    PFG is the official journal of the German Society of Photogrammetry and Remote Sensing.
  • Editorial Board
  • Information for Authors
  • Subscribe to this Title
  • ingentaconnect is not responsible for the content or availability of external websites
schweiz/pfg/2012/00002012/00000004/art00006
dcterms_title,dcterms_description,pub_keyword
6
5
20
40
5

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
X
Cookie Policy
ingentaconnect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more