Ein Quantenannealer für die Teilmengenauswahl Merkmalen und die Klassifizierung von Hyperspektralbildern

Das Projekt nutzt hyperspektrale Bilder (HSIs), um den D-Wave Advantage Quantenannealer für die Klassifizierung von Erdbeobachtungsdaten zu testen und zukünftige Herausforderungen bei der Analyse von realen Datensätzen zu identifizieren. HSIs, die Objekte zeigen, die zu verschiedenen Zielklassen gehören, zeichnen sich dadurch aus, dass Dutzende von Spektralbändern verfügbar sind. Einige dieser Spektralbänder sind jedoch redundant und/oder verrauscht, so dass die Auswahl hochinformativer und vertrauenswürdiger Bänder für jede Klasse ein entscheidender Schritt für die Klassifizierung und die Einsparung von internem Speicherplatz ist. Das Problem der Auswahl hochinformativer Banden ist so formuliert, dass es sowohl von einem Quantenannealer (QA) als auch von einer herkömmlichen Maschine gelöst werden kann. In einem zweiten Schritt wurden binäre Klassifikatoren auf dem QA und auf einem konventionellen System implementiert, um einen realen Datensatz aus der Erdbeobachtung zu klassifizieren - das bekannte AVIRIS HSI von Indian Pine im nordwestlichen Indiana, USA. Es wurde festgestellt, dass der QA die informativen Bänder korrekt auswählt und korrekte Klassifizierungen von ähnlicher Qualität wie bei konventionellen Ansätzen erzeugt. Es ist jedoch anzumerken, dass der hier verwendete Datensatz eine Voraussetzung für eine gute Leistung des QA war und dass die Studie darauf abzielte, einen geeigneten Datensatz in der Erdbeobachtung zu finden, um bestehende Quantenalgorithmen zu vergleichen.

Referenzen: doi: 10.1109/JSTARS.2021.3095377.