Machine Learning Approaches on Crop Pattern Recognition a Comparative Analysis

要約

農業活動を監視することは、食糧安全保障を確保するために重要です。
リモートセンシングは、栽培活動の大規模な継続監視に重要な役割を果たします。
トリミングパターンの生成には、時系列リモートセンシングデータが使用されました。
分類アルゴリズムは、作物のパターンと使用されるマッピングされた農地を分類するために使用されます。
サポート ベクター マシン (SVM) や決定木などのいくつかの従来の分類方法が作物パターン認識に適用されました。
ただし、この論文では、作物パターン認識のパフォーマンスを向上させ、ナイーブ ベイズとランダム フォレストを含む他の 2 つの機械学習アプローチとの比較分析を行うために、ディープ ニューラル ネットワーク (DNN) ベースの分類を提案しています。

要約(オリジナル)

Monitoring agricultural activities is important to ensure food security. Remote sensing plays a significant role for large-scale continuous monitoring of cultivation activities. Time series remote sensing data were used for the generation of the cropping pattern. Classification algorithms are used to classify crop patterns and mapped agriculture land used. Some conventional classification methods including support vector machine (SVM) and decision trees were applied for crop pattern recognition. However, in this paper, we are proposing Deep Neural Network (DNN) based classification to improve the performance of crop pattern recognition and make a comparative analysis with two (2) other machine learning approaches including Naive Bayes and Random Forest.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google