hrcak mascot   Srce   HID

Izvorni znanstveni članak

Ocjena točnosti različitih metoda strojnog učenja na satelitskim snimkama RapidEye i PlanetScope

Nikola Kranjčić   ORCID icon orcid.org/0000-0001-7219-9440 ; Geotehnički fakultet Sveučilišta u Zagrebu, Varaždin, Hrvatska
Damir Medak ; Geodetski fakultet Sveučilišta u Zagrebu, Zagreb, Hrvatska

Puni tekst: engleski, pdf (6 MB) str. 1-18 preuzimanja: 59* citiraj
APA 6th Edition
Kranjčić, N. i Medak, D. (2020). Evaluating Different Machine Learning Methods on RapidEye and PlanetScope Satellite Imagery. Geodetski list, 74 (97) (1), 1-18. Preuzeto s https://hrcak.srce.hr/237682
MLA 8th Edition
Kranjčić, Nikola i Damir Medak. "Evaluating Different Machine Learning Methods on RapidEye and PlanetScope Satellite Imagery." Geodetski list, vol. 74 (97), br. 1, 2020, str. 1-18. https://hrcak.srce.hr/237682. Citirano 08.07.2020.
Chicago 17th Edition
Kranjčić, Nikola i Damir Medak. "Evaluating Different Machine Learning Methods on RapidEye and PlanetScope Satellite Imagery." Geodetski list 74 (97), br. 1 (2020): 1-18. https://hrcak.srce.hr/237682
Harvard
Kranjčić, N., i Medak, D. (2020). 'Evaluating Different Machine Learning Methods on RapidEye and PlanetScope Satellite Imagery', Geodetski list, 74 (97)(1), str. 1-18. Preuzeto s: https://hrcak.srce.hr/237682 (Datum pristupa: 08.07.2020.)
Vancouver
Kranjčić N, Medak D. Evaluating Different Machine Learning Methods on RapidEye and PlanetScope Satellite Imagery. Geodetski list [Internet]. 2020 [pristupljeno 08.07.2020.];74 (97)(1):1-18. Dostupno na: https://hrcak.srce.hr/237682
IEEE
N. Kranjčić i D. Medak, "Evaluating Different Machine Learning Methods on RapidEye and PlanetScope Satellite Imagery", Geodetski list, vol.74 (97), br. 1, str. 1-18, 2020. [Online]. Dostupno na: https://hrcak.srce.hr/237682. [Citirano: 08.07.2020.]

Sažetak
Otkako su prve satelitske snimke senzora RapidEye i PlanetScope postale dostupne, na njima su provedena brojna istraživanja. Međutim, samo se nekoliko autora usredotočilo na ocjenu točnosti više od dvije metode strojnog učenja pri klasifikaciji pokrova zemljišta. U ovom radu daje se ocjena točnosti četiri različite metode strojnog učenja: metode potpornih vektora, metode umjetnih neuronskih mreža, metode naivni Bayes i metode slučajnog šuma. Sve su analize provedene na gradovima u Hrvatskoj: Varaždinu i Osijeku. Na satelitskom snimku senzora RapidEye, za područje Varaždina, metoda potpornih vektora postigla je ukupnu kappa vrijednost 0,80, metoda umjetnih neuronskih mreža 0,37, metoda naivni Bayes 0,84 i metoda slučajnog šuma 0,76. Na satelitskom snimku senzora PlanetScope, za područje Varaždina, metoda potpornih vektora postigla je ukupnu kappa vrijednost 0,77, metoda umjetnih neuronskih mreža 0,38, metoda naivni Bayes 0,76 i metoda slučajnog šuma 0,75. Na satelitskom snimku senzora RapidEye, za područje Osijeka, metoda potpornih vektora postigla je ukupnu kappa vrijednost 0,75, metoda umjetnih neuronskih mreža 0,36, metoda naivni Bayes 0,85 i metoda slučajnog šuma 0,76. Na satelitskom snimku senzora PlanetScope, za područje Osijeka, metoda potpornih vektora postigla je ukupnu kappa vrijednost 0,64, metoda umjetnih neuronskih mreža 0,23, metoda naivni Bayes 0,72 i metoda slučajnog šuma 0,63. U radu se također mjeri i vrijeme izvedbe svake metode. Metoda naivni Bayes i metoda slučajnog šuma imaju najbolje vrijeme izvedbe u svim slučajevima.

Ključne riječi
metoda potpornih vektora; metoda umjetnih neuronskih mreža; metoda naivni Bayes; metoda slučajnog šuma; RapidEye; PlanetScope

Hrčak ID: 237682

URI
https://hrcak.srce.hr/237682

[engleski]

Posjeta: 109 *