文献

J-GLOBAL ID：201602276884737794   整理番号：16A1209537

10年間のRADARSATデータを用いた海洋石油流出を同定するための能動的学習【Powered by NICT】

Active learning for identifying marine oil spills using 10-year RADARSAT data

著者 (3件)： Cao Yongfeng (School of Mathematics and Computer Science, Guizhou Normal University, 550001, Guiyang China) ,  Xu Linlin (Systems Design Engineering, University of Waterloo, N2L 3G1, ON, Canada) ,  Clausi David (Systems Design Engineering, University of Waterloo, N2L 3G1, ON, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IGARSS  ページ： 7722-7725  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 海洋流出油同定システムを改善するためのアクティブ学習(AL)法の可能性を10年(2004-2013)RADARSATデータを用いて開発した。不確実性基準に従って提案し,サポートベクトルマシン(SVM)分類器と結合している六つの基本的なAL法。多くの五十六の一般的に使用される特徴は,分類に使用されている。AUC対策はALベース分類器の性能のバイアス低減評価を達成するために6倍交差検証法を用いて推定した。実験結果は,試料の22~74%は,ある目的地性能を用いたSVM分類器を訓練するための低減できることを示す,ALのような適切なAL法を選択し,研究と開発の基準は,性能をさらに改善できる。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： バイアス ,  不確実性 ,  交差検証法 ,  流出油 ,  サポートベクトルマシン ,  *海洋 ,  IDシステム ,  *石油
準シソーラス用語： SVM分類 ,  能動学習 ,  *RADARSAT , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (5件)： RADARSAT ,  海洋 ,  油流出 ,  同定 ,  能動的学習