Statistical methods of feature engineering for the problem of forest state classification using satellite data
dc.contributor.author | Salii, Y. V. | |
dc.contributor.author | Lavreniuk, A. M. | |
dc.contributor.author | Kussul, N. M. | |
dc.date.accessioned | 2024-12-05T14:07:12Z | |
dc.date.available | 2024-12-05T14:07:12Z | |
dc.date.issued | 2024 | |
dc.description.abstract | 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. | |
dc.description.abstractother | 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. | |
dc.format.pagerange | С. 86-98 | |
dc.identifier.citation | Statistical methods of feature engineering for the problem of forest state classification using satellite data / Salii Y. V., Lavreniuk A. M., Kussul N. M. // Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал. – 2024. – № 1. – С. 86-98. – Бібліогр.: 11 назв. | |
dc.identifier.doi | https://doi.org/10.20535/SRIT.2308-8893.2024.1.07 | |
dc.identifier.orcid | 0009-0006-0395-8099 | |
dc.identifier.orcid | 0000-0002-5791-0377 | |
dc.identifier.orcid | 0000-0002-9704-9702 | |
dc.identifier.uri | https://ela.kpi.ua/handle/123456789/71031 | |
dc.language.iso | en | |
dc.publisher | КПІ ім. Ігоря Сікорського | |
dc.publisher.place | Київ | |
dc.source | Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал, № 1 | |
dc.subject | Sentinel-2 | |
dc.subject | vegetation indices | |
dc.subject | Bhattacharyya distance | |
dc.subject | feature engineering | |
dc.subject | greedy algorithms | |
dc.subject | Spearman’s rank correlation coefficient | |
dc.subject | вегетаційні індекси | |
dc.subject | відстань Бгаттачар’я | |
dc.subject | інженерія ознак | |
dc.subject | жадібні алгоритми | |
dc.subject | коефіцієнт кореляції Спірмена | |
dc.subject.udc | 004.2 | |
dc.title | Statistical methods of feature engineering for the problem of forest state classification using satellite data | |
dc.title.alternative | Статистичні методи інженерії ознак для задачі класифікації стану лісів за супутниковими даними | |
dc.type | Article |
Файли
Контейнер файлів
1 - 1 з 1
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 8.98 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: