文献

J-GLOBAL ID：201602288273636993   整理番号：16A1357250

パターン認識と機械学習技術との組合せによるシロナガスクジラとナガスクジラの採餌鳴き声の自動検出と同定【Powered by NICT】

Automated detection and identification of blue and fin whale foraging calls by combining pattern recognition and machine learning techniques

著者 (4件)： Ho Chun Huang (Department of Oceanography, Naval Postgraduate School, Monterey, CA, USA) ,  Joseph John (Department of Oceanography, Naval Postgraduate School, Monterey, CA, USA) ,  Ming Jer Huang (Coast Guard Radar Project, Mercuries Data Systems Ltd., Taipei, Taiwan, ROC) ,  Margolina Tetyana (Department of Oceanography, Naval Postgraduate School, Monterey, CA, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： OCE  ページ： 1-7  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： 受動音響記録における二ヒゲクジラ種の採餌鳴き声を検出し分類するための開発した新しいアプローチ。自動検出器/分級機は,採餌鳴き声を検出し,周囲雑音の影響を除去するために,パターン認識法,コンピュータビジョンに基づいた技術を適用した。検出した鳴声は,ロジスティック回帰分類器,機械学習法を用いたシロナガスクジラのD鳴声[1]またはナガスクジラ40Hz呼[2]に分類された。検出器/分類器は2015検出,分類,局在と密度推定(DCLDE2015,スクリップス海洋研究所UCSD[3])低周波注釈付けされた一式受動的音響データの,南カリフォルニア湾で採取したを用いて訓練し,そのサンプルからの性能を交差検証法を用いて推定した。DCLDE2015スコアリングツールは,標準化された方法における検出器/分類器の性能を推定した。パターン認識アルゴリズムのサンプルからの性能は,92.03%の精度と96.68%の想起として記録した。機械学習アルゴリズムのサンプル外予測精度は95.20%であった。結果はリアルタイム受動音響海洋哺乳動物モニタリングと生物音響学信号処理にこの検出器/分級機の可能性を示した。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： 分級機 ,  交差検証法 ,  標準化 ,  *機械学習 ,  アノテーション ,  コンピュータビジョン ,  検出器 ,  音響 ,  *パターン認識 ,  学習アルゴリズム
準シソーラス用語： 予測精度 ,  *自動検出 ,  *採餌 ,  *ナガスクジラ ,  *シロナガスクジラ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (9件)： パターン認識 ,  機械学習技術 ,  組合せ ,  シロナガスクジラ ,  ナガスクジラ ,  採餌 ,  鳴き声 ,  自動検出 ,  同定