文献

J-GLOBAL ID：201502226311286770   整理番号：15A0481470

走査型電子顕微鏡画像を用いた生物の分類の高精度化-顕微鏡画像の取得方法に注目した学習データ選択法の導入-

Improving Performance Classification of Biological Organisms using Scanning Electron Microscope Images-Introducing Training Data selection By Focusing on the Image Acquisition Method-

著者 (3件)： PIAO Jun (北大 大学院情報科学研究科) ,  小川貴弘 (北大 大学院情報科学研究科) ,  長谷山美紀 (北大 大学院情報科学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 114  号： 460(IE2014 67-86)  ページ： 173-178  発行年： 2015年02月16日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 以前に我々は,走査型電子顕微鏡画像を用いた生物の分類のための決定木の構築法を提案した。しかしながら,この手法では,生物の顕微鏡像の取得法には注目せず,学習データ全てを用いて学習を行ったため,分類精度に限界が存在すると考えられる。そこで本文では,走査型電子顕微鏡画像の取得法に注目した学習データの選択法を導入することで,高精度に生物の分類を可能とする手法を提案する。(著者抄録)

シソーラス用語： 走査電子顕微鏡 ,  *画像 ,  画像分析 ,  *改良 ,  精度 ,  データ ,  *生物分類 ,  ディシジョンツリー
準シソーラス用語： 学習データ ,  *高精度化 ,  *走査電子顕微鏡画像 ,  分類精度

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  生物科学一般  (EA01010W)

引用文献 (13件)：

• ジュディス・E・ウィンストン,馬渡俊輔,“種を記載する-生物学者のための実際的な分類手順,“新井書院,2005.
• 馬渡俊輔,“動物分類学30講,“朝倉書店,2006.
• M. B. Blaschko, G. Holness, M. A. Mattar, Dimitri Lisin, P. E. Utgoff, A. R. Hanson, H. Schultz, E. M. Riseman, M. E. Sieracki, W. M. Balch, and B. Tupper, “Automatic in situ identification of plankton,“ Proceedings of the 7th IEEE Workshops on WACV/MOTIONS, vol. 1, pp. 79-86, 2005.
• C. Wen, D. Guyer and W. Li, “Automated insect clas-sification with combined global and local features for orchard management,“ ASABE Annial Meeting, 2009 Paper No.095865.
• H. Zhang, Q. Huo, and W. Ding, “The application of adaBoost-neural network in storedproduct insect classification,“ IEEE International Symposium on IT in Medicine and Education, ITME, pp. 973-976, 2008.

タイトルに関連する用語 (8件)： 走査型電子顕微鏡 ,  生物 ,  分類 ,  高精度化 ,  顕微鏡画像 ,  注目 ,  学習データ ,  選択法