The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지

Pattern Classification System for Remote Sensing Data using Voronoi Diagram

보로노이 공간분류를 활용한 원격 영상 패턴분류 시스템

  • 백주현 (군장대학 컴퓨터응용학부) ;
  • 김홍기 (충북대학교 컴퓨터과학과)
  • Published : 2001.08.01
Download PDF
⟨ Previous Next ⟩

Abstract

본 논문은 보로노이 공간분류를 활용하여 원격탐사 영상인식을 위한 다층 신경망 분류기를제안한다. 제안된 다층 신경망 분류기는 보로노이 다각형 영역으로 클래스를 구분하며, 초평면 방정식의 계수를 오류 역전과 학습 초기의 연결 강도, 임계치 그리고 은닉층의 노드 수로 결정한다. 제안된 방법은 오류역전과 학습 알고리즘에서 임의로 정해주던 초기 정보를 사전 분석에 의해 공학적으로 결정함으로써 느린 수렴 속도와 학습실패 등의 단점을 피할 수 있는 장점이 있다. 보로노이 다이어그램에 대한 경계선의 초평면 방정식은 훈련집합의 클래스별 평균값을 구하여 Mathematica 패키지로 계산하였다. 제안된 다층 신경망에 의한 영상분류기의 인식능력을 평가하기 위하여 원격탐사 영상인식에서 자주 활용되는 최소거리 분류 방법과 최대우도 분류 방법으로 처리해서 비교한 결과, 최소거리 분류 방법은 실험화상에 대해 81.4%, 최대우도 부류기에 의한 분류는 87.8%, 제안한 방법은 92.2% 정확성을 가진 분류결과를 나타냈다.

Keywords

References

  1. Godfried T. Toussaint, 'Pattern Recognition and Geome-trical Complexity,' IEEE. 5-th Internation Conference on Pattern recognition, pp.1324-1347, 1980
  2. J. A. Hartigan, Clustering Algorithms, John Wiley & Sons, 1975
  3. 한종규, 이상구, '뉴로-퍼지 알고리즘을 이용한 원격탐사 화상의 지표면 패턴분류 시스템 구현', 퍼지 및 지능시스템학회논문지, 제9권 제5호, pp.472-479, 1999
  4. M. I. Shamos, Computational Geometry, Ph.D. theis, Yale Univ., 1978
  5. N. K. Bose, 'Neural Network Design Using Voronoi Dia-grams,' IEEE Transaction on Neural Networks Vol.4, No.5, September, 1993 https://doi.org/10.1109/72.248455
  6. Ali A. Minai and Ronald D. Williams, 'Backpropagation Heuristics : A study of the Extended Data-Bar-Data Al-gorithm,' IJCNN, Vol.1, pp.595-600, 1990 https://doi.org/10.1109/IJCNN.1990.137634
  7. Norio Bada, 'A Hybrid Algorithm for Finding the Global Minimum of Error function of Neural Networks,' IJCNN, Vol.1, pp.585-588, Jan. 1990
  8. Tariq Samad, 'Backpropagation Improvements Based on Heuristic Arguments,' IJCNN, Vol.1, pp.565-568, Jan. 1990
  9. P. Burrascano and P. Lucci, 'Smoothing backpropagation cost function by Delta-Constraining,' IJCNN, Vol.3, pp.75-80, Jun. 1990 https://doi.org/10.1109/IJCNN.1990.137826
  10. Van Ooyen and B. Nienhuis, 'Improving the converence of the back propagation algorithm,' Neural Networks, Vol.78, pp.465-471, 1992
  11. 백주현, 김홍기, '보로노이 공간분류를 이용한 오류역전파 신경망의 설계방법', 퍼지 및 지능시스템학회 논문지, 제9권 제5호, pp.490-495, 1999
  12. J. A. Richards, 'Remote Sensing Digital Image Analysis,' Springer-Verlag, New York, pp.181-190, 1995
  13. P. M. Mather, 'Computer processing of remotely sensed images,' John Wiley and Sons, U. K., pp.192-193, 1987
  14. J. D. Paola and R. A. Schowengerdt, 'A Detailed Com-parison of Backpropagation Neural Network and Maxi-mum-Likelihood Classifier for Urban Land Use Clas-sification,' IEEE Trans Geosci and Remote sensing, Vol.33, pp.981-996, July, 1995 https://doi.org/10.1109/36.406684
  15. Hedong Yang and Clark C. Guest, 'Linear Discriminants, Logic Functions, Back-propagation, and Improved Conver-gence,' IJCNN, Vol.3, pp.287-292, 90. Jun https://doi.org/10.1109/IJCNN.1990.137858
  16. M. L. Minskey and S. A. Papert, Perceptrons, Cambrige, MA : MIT Press, 1988
  17. 조성배, 김진형, '오류 역전파 학습 알고리즘의 속도 개선방법 : 분류 및 비교', 한국정보과학회논문지, Vol.18, No.6, pp.649-660, 1991
  18. 권희용 외 4,' 바람직하지 않은 포화상태 방지에 의한 역전파 학습의 개선', 한국정보과학회논문지. Vol.20, No.5, pp.656-661, 1993
  19. Youngjik Lee, Sang-Hoon Oh and Myung Won Kim, 'An Analysis of Permature Staturation in Back Propagation Learning,' Neural Networks, Vol.6, pp.719-728, 1993 https://doi.org/10.1016/S0893-6080(05)80116-9
  20. D. Mccallum and D. Avis, 'A Linear Algorithm for finding the convex hull of a Simple polygon,' Information Proces-sing lett, Vol.9, pp.201-206, Dec. 1979 https://doi.org/10.1016/0020-0190(79)90069-3