Analysis of “mixing” combination rules and Smet’s combination rule
The process of solution of different practical and ecological problems, using hyperspectral satellite images usually includes a procedure of classification. Classification is one of the most difficult and important procedures. Some image classification methods were considered and analyzed in this wo...
Збережено в:
| Дата: | 2019 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine
2019
|
| Теми: | |
| Онлайн доступ: | https://ujrs.org.ua/ujrs/article/view/158 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Ukrainian Journal of Remote Sensing of the Earth |
Репозитарії
Ukrainian Journal of Remote Sensing of the Earth| id |
uajuacgovua-article-158 |
|---|---|
| record_format |
ojs |
| institution |
Ukrainian Journal of Remote Sensing of the Earth |
| collection |
OJS |
| language |
Ukrainian |
| topic |
hyperspectral satellite images evidence theory image classification combination rules гиперспектральное космическое изображение теория свидетельств классификация изображений правила комбинирования гіперспектральне космічне зображення теорія свідчень класифікування зображень правила комбінування |
| spellingShingle |
hyperspectral satellite images evidence theory image classification combination rules гиперспектральное космическое изображение теория свидетельств классификация изображений правила комбинирования гіперспектральне космічне зображення теорія свідчень класифікування зображень правила комбінування Alpert, Sofiia Analysis of “mixing” combination rules and Smet’s combination rule |
| topic_facet |
hyperspectral satellite images evidence theory image classification combination rules гиперспектральное космическое изображение теория свидетельств классификация изображений правила комбинирования гіперспектральне космічне зображення теорія свідчень класифікування зображень правила комбінування |
| format |
Article |
| author |
Alpert, Sofiia |
| author_facet |
Alpert, Sofiia |
| author_sort |
Alpert, Sofiia |
| title |
Analysis of “mixing” combination rules and Smet’s combination rule |
| title_short |
Analysis of “mixing” combination rules and Smet’s combination rule |
| title_full |
Analysis of “mixing” combination rules and Smet’s combination rule |
| title_fullStr |
Analysis of “mixing” combination rules and Smet’s combination rule |
| title_full_unstemmed |
Analysis of “mixing” combination rules and Smet’s combination rule |
| title_sort |
analysis of “mixing” combination rules and smet’s combination rule |
| title_alt |
Анализ правил комбинирования, основанных на усреднении основных назначений вероятностей и правило комбинирования Сметса Аналіз правил комбінування, заснованих на усередненні основних призначень ймовірностей та правило комбінування Сметса |
| description |
The process of solution of different practical and ecological problems, using hyperspectral satellite images usually includes a procedure of classification. Classification is one of the most difficult and important procedures. Some image classification methods were considered and analyzed in this work. These methods are based on the theory of evidence. Evidence theory can simulate uncertainty and process imprecise and incomplete information. It were considered such combination rules in this paper: “mixing” combination rule (or averaging), convolutive x-averaging (or c-averaging) and Smet’s combination rule. It was shown, that these methods can process the data from multiple sources or spectral bands, that provide different assessments for the same hypotheses. It was noted, that the purpose of aggregation of information is to simplify data, whether the data is coming from multiple sources or different spectral bands. It was shown, that Smet’s rule is unnormalized version of Dempster rule, that applied in Smet’s Transferable Belief Model. It also processes imprecise and incomplete data. Smet’s combination rule entails a slightly different formulation of Dempster-Shafer theory. Mixing (or averaging) rule was considered in this paper too. It is the averaging operation that is used for probability distributions. This rule uses basic probability assignments from different sources (spectral bands) and weighs assigned according to the reliability of the sources. Convolutive x-averaging (or c-averaging) rule was considered in this paper too. This combination rule is a generalization of the average for scalar numbers. This rule is commutative and not associative. It also was noted, that convolutive x-averaging (c-averaging) rule can include any number of basic probability assignments. It were also considered examples, where these proposed combination rules were used. Mixing, convolutive x-averaging (c-averaging) rule and Smet’s combination rule can be applied for analysis of hyperspectral satellite images, in remote searching for minerals and oil, solving different environmental and thematic problems. |
| publisher |
Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine |
| publishDate |
2019 |
| url |
https://ujrs.org.ua/ujrs/article/view/158 |
| work_keys_str_mv |
AT alpertsofiia analysisofmixingcombinationrulesandsmetscombinationrule AT alpertsofiia analizpravilkombinirovaniâosnovannyhnausredneniiosnovnyhnaznačenijveroâtnostejipravilokombinirovaniâsmetsa AT alpertsofiia analízpravilkombínuvannâzasnovanihnauserednenníosnovnihpriznačenʹjmovírnostejtapravilokombínuvannâsmetsa |
| first_indexed |
2024-04-21T19:48:04Z |
| last_indexed |
2024-04-21T19:48:04Z |
| _version_ |
1796974979370188800 |
| spelling |
uajuacgovua-article-1582020-01-25T09:59:34Z Analysis of “mixing” combination rules and Smet’s combination rule Анализ правил комбинирования, основанных на усреднении основных назначений вероятностей и правило комбинирования Сметса Аналіз правил комбінування, заснованих на усередненні основних призначень ймовірностей та правило комбінування Сметса Alpert, Sofiia hyperspectral satellite images evidence theory image classification combination rules гиперспектральное космическое изображение теория свидетельств классификация изображений правила комбинирования гіперспектральне космічне зображення теорія свідчень класифікування зображень правила комбінування The process of solution of different practical and ecological problems, using hyperspectral satellite images usually includes a procedure of classification. Classification is one of the most difficult and important procedures. Some image classification methods were considered and analyzed in this work. These methods are based on the theory of evidence. Evidence theory can simulate uncertainty and process imprecise and incomplete information. It were considered such combination rules in this paper: “mixing” combination rule (or averaging), convolutive x-averaging (or c-averaging) and Smet’s combination rule. It was shown, that these methods can process the data from multiple sources or spectral bands, that provide different assessments for the same hypotheses. It was noted, that the purpose of aggregation of information is to simplify data, whether the data is coming from multiple sources or different spectral bands. It was shown, that Smet’s rule is unnormalized version of Dempster rule, that applied in Smet’s Transferable Belief Model. It also processes imprecise and incomplete data. Smet’s combination rule entails a slightly different formulation of Dempster-Shafer theory. Mixing (or averaging) rule was considered in this paper too. It is the averaging operation that is used for probability distributions. This rule uses basic probability assignments from different sources (spectral bands) and weighs assigned according to the reliability of the sources. Convolutive x-averaging (or c-averaging) rule was considered in this paper too. This combination rule is a generalization of the average for scalar numbers. This rule is commutative and not associative. It also was noted, that convolutive x-averaging (c-averaging) rule can include any number of basic probability assignments. It were also considered examples, where these proposed combination rules were used. Mixing, convolutive x-averaging (c-averaging) rule and Smet’s combination rule can be applied for analysis of hyperspectral satellite images, in remote searching for minerals and oil, solving different environmental and thematic problems. Обычно процесс решения различных практических и экологических задач с использованием гиперспектральных космических изображений включает в себя процедуру классификации. Классификация является одной из наиболее сложных и важных процедур. В данной работе было рассмотрено и проанализировано несколько методов классификации изображений. Данные методы основаны на теории свидетельств. Теория свидетельств может моделировать неопределенность и обрабатывать неточную и неполную информацию. В данной статье были рассмотрены такие правила комбинирования: правило комбинирования, основанное на усреднении основных назначений вероятностей, правило х-свертывающегося усреднения (с-усреднения) и правило комбинирования Сметса. Было показано, что данные методы могут обрабатывать данные, полученные из различных источников или спектральных каналов, которые присваивают гипотезам разные оценки. Было отмечено, что цель объединения информации — это упрощение данных, которые поступают из различных источников или спектральных каналов. Было показано, что правило Сметса — ненормированный вариант правила Демпстера, которое используется в модели доверия Сметса. Оно также обрабатывает неточные и неполные данные. Правило комбинирования Сметса дает немного другую формулировку теории Демпстера-Шейфера. Также в данной статье было рассмотрено правило комбинирования, основанное на усреднении основных назначений вероятностей. Данное правило использует базовые массы, полученные из различных источников (спектральных каналов) и коэффициенты, что характеризуют надежность источников. Правило х-свертывающегося усреднения (с-усреднения) также было рассмотрено в данной статье. Это правило комбинирования является обобщением усреднения для скалярных величин. Данное правило – коммутативное, но не ассоциативное. Акцентировалось на том, что правило х-свертывающегося усреднения (с-усреднения) может включать произвольное число базовых масс. Также были рассмотрены примеры с использованием приведенных правил комбинирования. Правило комбинирования, основанное на усреднении основных назначений вероятностей, правило х-свертывающегося усреднения (с-усреднения) и правило комбинирования Сметса могут быть использованы при анализе гиперспектральных космических изображений, при поиске полезных ископаемых и нефти, решении различных экологических и тематических заданий. Процес розв’язку різноманітних практичних та екологічних задач із використанням гіперспектральних космічних зображень зазвичай містить процедуру класифікування. Класифікування є однією із найбільш складних та важливих процедур. В даній роботі розглянуто та проаналізовано декілька методів класифікування зображень. Дані методи засновані на теорії свідчень (Beynon et al., 2000). Теорія свідчень може моделювати невизначеність та обробляти неточну та неповну інформацію. В даній статті були розглянуті такі правила комбінування: правило комбінування, засноване на усередненні основних призначень ймовірностей, правило x-згортаючогося усереднення (с-усереднення) та правило комбінування Сметса. Було показано, що дані методи можуть обробляти дані, отримані із різних джерел чи спектральних каналів, які надають гіпотезам різні оцінки. Було зазначено, що мета об’єднання інформації — це спрощення даних, які надходять із різних джерел чи спектральних каналів. Було показано, що правило Сметса — ненормований варіант правила Демпстера, яке застосовується у моделі довіри Сметса. Воно також обробляє неточні та неповні дані. Правило комбінування Сметса надає трішки інше формулювання теорії Демпстера-Шейфера. Також у даній статті було розглянуто правило комбінування, засноване на усередненні основних призначень ймовірностей. Це операція усереднення, що використовується для розподілів ймовірностей. Дане правило використовує базові маси, отримані із різних джерел (спектральних каналів) та коефіцієнти, що характеризують надійність джерел. Правило x-згортаючогося усереднення (с-усереднення) також було розглянуто у даній статті. Це правило комбінування є узагальненням усереднення для скалярних величин. Дане правило – комутативне, але не асоціативне. Наголошувалося на тому, що правило x-згортаючогося усереднення (с-усереднення) може містити довільне число базових мас. Також було розглянуто приклади із застосованням наведених правил комбінування. Правило комбінування, засноване на усередненні основних призначень ймовірностей, правило x-згортаючогося усереднення (с-усереднення) та правило комбінування Сметса можуть бути застосовані при аналізі гіперспектральних космічних зображень, при пошуку корисних копалин та нафти, вирішенні різноманітних екологічних та тематичних завдань (Gong, 1996; Lein, 2003). Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine 2019-12-28 Article Article application/pdf https://ujrs.org.ua/ujrs/article/view/158 10.36023/ujrs.2019.23.158 Ukrainian journal of remote sensing; No. 23 (2019); 4-8 Украинский журнал дистанционного зондирования Земли; № 23 (2019); 4-8 Український журнал дистанційного зондування Землі; № 23 (2019); 4-8 2313-2132 uk https://ujrs.org.ua/ujrs/article/view/158/181 Copyright (c) 2019 Ukrainian journal of remote sensing |