×

通过距离相关进行三维点云分类的最佳尺度选择。 (英语) Zbl 1444.62166号

Aneiros,Germanán(编辑)等人,《功能和高维统计及相关领域》。2021年6月23日至25日,在捷克共和国布尔诺举行的IWFOS 2021第五届功能和操作统计国际研讨会上发表的论文选集。查姆:斯普林格。Contrib.Stat.,213-220(2020)。
摘要:使用手工特征的多尺度机器学习算法是三维点云监督分类和分割的最有效方法之一。尽管它们已被证明具有良好的性能,但仍有一些方面尚未完全解决,确定最佳规模就是其中之一。在这项工作中,我们分析了函数距离相关性对解决这个问题的有用性。具体来说,我们建议调整函数以适应不同尺度下每个特征与点标签之间的距离相关性,并选择与所述函数的全局最大值对应的那些尺度作为最佳尺度。据我们所知,该方法首次在这种情况下提出,并将其应用于基准数据集,分析结果,并与使用其他规模选择方法获得的结果进行比较。
关于整个系列,请参见[Zbl 1446.62001号].

MSC公司:

62兰特 功能数据分析
62H30型 分类和区分;聚类分析(统计方面)
62H20个 关联度量(相关性、典型相关性等)
68T05型 人工智能中的学习和自适应系统
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Berrendero,J.R.,Cuevas,A.,Torrecilla,J.L.:功能数据分类中的变量选择:最大值搜索建议。中国统计局,619-638(2016)·Zbl 1356.62079号
[2] Brodu,N.,Lague,D.:使用多尺度维度标准对复杂自然场景进行三维地面激光雷达数据分类:地貌学应用。ISPRS摄影测量和遥感杂志68,121-134(2012)
[3] Chaudhuri,P.,Marron,J.:曲线估计的尺度空间视图。《Ann.Stat》,408-428(2000)·兹比尔1106.62318
[4] Demantké,J.,Mallet,C.,David,N.,Vallet,B.:三维激光雷达点云中基于维度的比例选择(2011)
[5] Dittrich,A.、Weinmann,M.、Hinz,S.:对从三维点云数据中提取的几何特征的准确性和稳健性进行分析和数值研究。ISPRS摄影测量与遥感杂志126、195-208(2017)
[6] Febrero-Bande,M.,González-Manteiga,W.,Oviedo de la Fuente,M.:函数加性回归模型中的变量选择。计算统计34(2),469-487(2019)·Zbl 1417.62077号
[7] Mallet,C.、Bretar,F.、Roux,M.、Soergel,W.、Heipke,Ch.:城市区域分类的全波形激光雷达数据相关性评估。ISPRS摄影测量与遥感杂志66(6),571-584(2011)
[8] Munoz,D.、Bagnell,J.、Vandapel,N.、Hebert,M.:功能最大边际马尔可夫网络的上下文分类。摘自:IEEE计算机视觉和模式识别会议记录,第975-982页(2009年)
[9] Ordóñez,C.,Oviedo de la Fuente,M.,Roca-Pardiñas,J.,Rodríguez-Pérez,J.L.:根据反射确定叶片含水量估算的最佳波长:距离相关法。化学计量学和智能实验室系统173(15),41-50(2018)
[10] Pauly,M.,Keiser,R.,Gross,M.:点采样曲面上的多尺度特征提取。计算。图表。论坛22(3),281-289(2003)
[11] 香农:传播的数学理论。贝尔系统。《技术期刊》27,379-423(1948)·Zbl 1154.94303号
[12] Székely G.J.,Rizzo,M.L.,Bakirov,N.K.:通过距离相关性测量和测试相关性。统计年鉴35(6),2769-2794(2007)·Zbl 1129.62059号
[13] Ullman,S.:《从运动中解读结构:伦敦皇家学会会刊》。B辑,《生物科学》203(1153),405-426(1979)
[14] Venables,W.N.,Ripley,B.D.:现代应用统计学与S.Springer(2002)·Zbl 1006.62003号
[15] M.温曼。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。