Выделение значимых признаков на основе метода главных компонент и распределений Джонсона применительно к задаче классификации аэрокосмических изображений

Abstract

Объектом исследования являются математические методы, позволяющие аппроксимировать данные обучающей выборки и выделять значимые признаки для улучшения результатов классификации космоснимков. Цель работы – разработка программного обеспечения для классификации данных космических снимков на основе метода главных компонент и аппроксимации выборок распределениями Джонсона. В процессе исследования были изучены математические методы обработки данных, были реализованы эти методы применительно к задаче классификации данных ДЗЗ. В результате исследования были проведены тестирования классификации данных ДЗЗ на фрагментах космоснимков.

The object of research are mathematical techniques to approximate the training sample data and extract significant features to improve the results of the classification of satellite images. The purpose of work - development of software for satellite images to classify data based on principal component analysis and approximation of Johnson's distributions samples. Mathematical data processing methods have been studied, these methods have been implemented and applied to the classification of remote sensing data. As a result, testing the classification of remote sensing data on fragments of satellite images have been conducted.