Resumen

Este artículo presenta un nuevo enfoque para el problema de clasificación de imágenes hiperespectrales (HSI), utilizando la transformada Kernel Fukunaga-Koontz (K-FKT). La transformada Kernel Fukunaga-Koontz ofrece un mayor rendimiento en problemas de clasificación debido a su capacidad para resolver distribuciones de datos no lineales. La K-FKT se realiza en dos etapas: entrenamiento y prueba. En la etapa de entrenamiento, a diferencia de la FKT clásica, las muestras se reubican en el espacio kernel de mayor dimensión para obtener una transformación de los datos distribuidos no lineales en forma lineal. Esto proporciona una solución más eficiente para la clasificación de datos hiperespectrales. La segunda etapa, la prueba, se lleva a cabo empleando el operador de transformación Fukunaga-Koontz para averiguar las clases de las imágenes hiperespectrales del mundo real. En la sección de experimentos, se ha probado el rendimiento mejorado de la técnica de clasificación HSI, K-FKT, comparando otros métodos como el clásico FKT y tres tipos de máquinas de vectores soporte (SVM).

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:fkt, transformación de koontz, fkt clásica, operador de transformación fukunaga- koontz, espacio kernel de dimensión superior, técnica de clasificación hsi, clasificación de datos hiperespectrales, distribuciones de datos no lineales, máquinas de vectores soporte, pruebas
• Keywords:fkt, koontz transform, classical fkt, fukunaga- koontz transformation operator, higher dimensional kernel space, hsi classification technique, hyperspectral data classification, nonlinear data distributions, support vector machines, testing