Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними

Timely detection of forest diseases is an important task for their prevention and spread limitation. The usage of satellite imagery provides capabilities for large-scale forest monitoring. Machine learning models allow to automate the analysis of these data for anomaly detection indicating diseases....

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2024
Автори:	Salii, Yevhenii, Lavreniuk, Alla, Kussul, Nataliia
Формат:	Стаття
Мова:	English
Опубліковано:	The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2024
Теми:	Sentinel-2 вегетаційні індекси відстань Бгаттачар’я інженерія ознак жадібні алгоритми коефіцієнт кореляції Спірмена vegetation indices Bhattacharyya distance feature engineering greedy algorithms Spearman’s rank correlation coefficient
Онлайн доступ:	http://journal.iasa.kpi.ua/article/view/286178
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	System research and information technologies

Репозитарії

System research and information technologies

id	journaliasakpiua-article-286178
record_format	ojs
spelling	journaliasakpiua-article-2861782024-05-23T07:09:36Z Statistical methods of feature engineering for the problem of forest state classification using satellite data Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними Salii, Yevhenii Lavreniuk, Alla Kussul, Nataliia Sentinel-2 вегетаційні індекси відстань Бгаттачар’я інженерія ознак жадібні алгоритми коефіцієнт кореляції Спірмена Sentinel-2 vegetation indices Bhattacharyya distance feature engineering greedy algorithms Spearman’s rank correlation coefficient Timely detection of forest diseases is an important task for their prevention and spread limitation. The usage of satellite imagery provides capabilities for large-scale forest monitoring. Machine learning models allow to automate the analysis of these data for anomaly detection indicating diseases. However, selecting informative features is key to building an effective model. In this work, the application of Bhattacharyya distance and Spearman’s rank correlation coefficient for feature selection from satellite images was investigated. A greedy algorithm was applied to form a subset of weakly correlated features. The experiment showed that selected features allow for improving the classification quality compared to using all spectral bands. The proposed approach demonstrates effectiveness for informative and weakly correlated feature selection and can be utilized in other remote sensing tasks. Своєчасне виявлення хвороб лісу є важливим завданням для запобігання їх поширенню та обмеження наслідків. Використання супутникових зображень надає можливості для великомасштабного моніторингу лісів. Моделі машинного навчання дають змогу автоматизувати аналіз цих даних для виявлення аномалій, що можуть свідчити про наявність хвороб. Відбір інформативних ознак є ключовим етапом побудови ефективної моделі. Досліджено можливість застосування відстані Бгаттачар’я та коефіцієнта кореляції Спірмена для відбору ознак із супутникових зображень. Застосовано жадібний алгоритм для формування підмножини слабко корельованих ознак. Експеримент показав, що обрані ознаки дозволяють покращити якість класифікації порівняно з використанням усіх спектральних каналів. Запропонований підхід продемонстрував ефективність для відбору інформативних і слабко корельованих ознак та може застосовуватися в інших задачах дистанційного зондування Землі. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2024-03-29 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/286178 10.20535/SRIT.2308-8893.2024.1.07 System research and information technologies; No. 1 (2024); 86-98 Системные исследования и информационные технологии; № 1 (2024); 86-98 Системні дослідження та інформаційні технології; № 1 (2024); 86-98 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/286178/296362
institution	System research and information technologies
collection	OJS
language	English
topic	Sentinel-2 вегетаційні індекси відстань Бгаттачар’я інженерія ознак жадібні алгоритми коефіцієнт кореляції Спірмена Sentinel-2 vegetation indices Bhattacharyya distance feature engineering greedy algorithms Spearman’s rank correlation coefficient
spellingShingle	Sentinel-2 вегетаційні індекси відстань Бгаттачар’я інженерія ознак жадібні алгоритми коефіцієнт кореляції Спірмена Sentinel-2 vegetation indices Bhattacharyya distance feature engineering greedy algorithms Spearman’s rank correlation coefficient Salii, Yevhenii Lavreniuk, Alla Kussul, Nataliia Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними
topic_facet	Sentinel-2 вегетаційні індекси відстань Бгаттачар’я інженерія ознак жадібні алгоритми коефіцієнт кореляції Спірмена Sentinel-2 vegetation indices Bhattacharyya distance feature engineering greedy algorithms Spearman’s rank correlation coefficient
format	Article
author	Salii, Yevhenii Lavreniuk, Alla Kussul, Nataliia
author_facet	Salii, Yevhenii Lavreniuk, Alla Kussul, Nataliia
author_sort	Salii, Yevhenii
title	Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними
title_short	Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними
title_full	Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними
title_fullStr	Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними
title_full_unstemmed	Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними
title_sort	статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними
title_alt	Statistical methods of feature engineering for the problem of forest state classification using satellite data
description	Timely detection of forest diseases is an important task for their prevention and spread limitation. The usage of satellite imagery provides capabilities for large-scale forest monitoring. Machine learning models allow to automate the analysis of these data for anomaly detection indicating diseases. However, selecting informative features is key to building an effective model. In this work, the application of Bhattacharyya distance and Spearman’s rank correlation coefficient for feature selection from satellite images was investigated. A greedy algorithm was applied to form a subset of weakly correlated features. The experiment showed that selected features allow for improving the classification quality compared to using all spectral bands. The proposed approach demonstrates effectiveness for informative and weakly correlated feature selection and can be utilized in other remote sensing tasks.
publisher	The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
publishDate	2024
url	http://journal.iasa.kpi.ua/article/view/286178
work_keys_str_mv	AT saliiyevhenii statisticalmethodsoffeatureengineeringfortheproblemofforeststateclassificationusingsatellitedata AT lavreniukalla statisticalmethodsoffeatureengineeringfortheproblemofforeststateclassificationusingsatellitedata AT kussulnataliia statisticalmethodsoffeatureengineeringfortheproblemofforeststateclassificationusingsatellitedata AT saliiyevhenii statističnímetodiínženerííoznakdlâzadačíklasifíkacíístanulísívzasuputnikovimidanimi AT lavreniukalla statističnímetodiínženerííoznakdlâzadačíklasifíkacíístanulísívzasuputnikovimidanimi AT kussulnataliia statističnímetodiínženerííoznakdlâzadačíklasifíkacíístanulísívzasuputnikovimidanimi
first_indexed	2024-05-23T04:02:34Z
last_indexed	2024-05-24T04:01:33Z
_version_	1807062285503430656

Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними

Репозитарії

Схожі ресурси