文献

J-GLOBAL ID：201702216816385097   整理番号：17A0302633

多色モデル分割自己学習K-NN装置の状態認識方法【JST・京大機械翻訳】

Multi-color space threshold segmentation and self-learning k-NN algorithm for surge test EUT status identification

著者 (2件)： Guo Xuemei (Guangzhou Institute of Automation) ,  Liu Guixiong (School of Mechanical and Automotive Engineering,South China University of Technology)
資料名： Zhongguo Ceshi  (Zhongguo Ceshi)
巻： 42  号： 4  ページ： 107-110  発行年： 2016年 
JST資料番号： C3059A  ISSN： 1674-5124  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： サージ試験においては,識別対象ごとに,特徴マッチングのためのテストの前に,試験装置に従ってサンプルを再訓練する必要がある。最初に,画像分割のための色モデル(L*A*B*,HSL,HSV)を,画像の高輝度点と白色光の比率に従って決定し,適応セグメンテーションを実現した。第二に,自己学習K-NNアルゴリズムを提案し,画素数N,偏波E,密度比R,数EをサンプルS特徴ベクトルXとして,データセットT0を構築し,ユークリッド距離Dでサンプル分類を実現した。サンプル信頼度をKとすると,予備データ集合TZ’に加えて,TZ’が条件を満たすと,データセットデータを拡張してデータセットデータセット+1を生成する.結果は以下を示す。このアルゴリズムは,9つのクラスのサンプル(共のフレーム画像)の認識において,98.65%の精度を達成することができた。5つのサンプルを自己学習して拡張することによって,距離マトリックスの変化はより小さく,アルゴリズムの学習効率と学習精度はより高い。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 偏波 ,  信頼度 ,  セグメンテーション ,  画像 ,  アルゴリズム ,  *学習 ,  白色光
準シソーラス用語： 学習効率 ,  Euclid距離 ,  特徴ベクトル ,  画素数 ,  高輝度 ,  画像セグメンテーション ,  特徴マッチング ,  *自己学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： multi-color space ,  k-nearest neighbor algorithm(k-NN) ,  self-learning ,  surge test

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 多色 ,  モデル ,  自己学習