Эффективность непараметрических классификаторов в условиях лимитированной обучающей выборки

Abstract

В работе представлен сравнительный анализ эффективности применения метода опорных векторов и искусственных нейронных сетей для классификации космических снимков среднего пространственного разрешения на примере области высокой степени гетерогенности и лимитированной обучающей выборки. В качестве исходных данных для формирования тестовых наборов использовались результаты полевых исследований. Нейросетевой подход показал незначительно лучший результат по точности классификации (89,9 против 86,2 % метода опорных векторов), но при этом оказался более требовательным относительно временных ресурсов.

This paper presents a comparative analysis of the effectiveness of the method of support vector machine and artificial neural networks for classification of satellite images medium spatial resolution as an example of a high degree of heterogeneity and limited training data. The results of field-based researches have been used for test cases generation. Neural network approach showed the best result for classification accuracy (89,9 % vs. 86,2 % support vector), but was significantly less speed.