文献

J-GLOBAL ID：201502206745983186   整理番号：15A0933782

マルチFSVM(ファジィ・サポートベクターマシンの決定融合を用いた積乱雲検出【Powered by NICT】

Cumulonimbus detection by using decision fusion of multi-FSVM

著者 (5件)： Jin Wei (Coll. of Information Sci. and Engineering,Ningbo Univ., Ningbo) ,  Fu Randi (Coll. of Information Sci. and Engineering,Ningbo Univ., Ningbo) ,  Fan Yahui (Coll. of Information Sci. and Engineering,Ningbo Univ., Ningbo) ,  Wang Wenlong (Coll. of Information Sci. and Engineering,Ningbo Univ., Ningbo) ,  Tian Wenzhe (Coll. of Information Sci. and Engineering,Ningbo Univ., Ningbo)
資料名： Guangxue Jingmi Gongcheng  (Guangxue Jingmi Gongcheng)
巻： 22  号： 12  ページ： 3427-3434  発行年： 2014年 
JST資料番号： C2090A  ISSN： 1004-924X  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： より多くの特徴を加えること雲分類の精度を増加させるであろう高い特徴次元によるフィッティング現象上の原因が矛盾を解決する決定融合戦略を用いてマルチファジィサポートベクトルマシン(FSVM)に基づいて提案した積乱雲検出アプローチ。最初に,スペクトルの特徴,多チャネルの輝度温度差,一次ヒストグラムテクスチャ特徴,グレイレベル共起行列テクスチャ特徴とGaborウェーブレット特徴を訓練雲画像から抽出した特徴の5kindsを含む訓練サンプル集合を形成した。,特徴のそれぞれの種類に関して訓練した五FSVMサブ分類器。最後に,各サブ分類器の出力は出力空間における重み付き決定による融合した積乱雲の検出精度を改善することであった。実験結果は,提案手法が高すぎる特徴次元による積乱雲検出でフィッティング現象を解決し,適応的に異なる特徴の量を決定することができることを示した。結果も精度だけでなく各FSVMサブ分類器でなく,一度にすべての入力特徴によって訓練されたFSVM分類器よりも優れていることを実証した。提案されたアプローチは,analy衛星雲画像であるへの応用が期待される。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 輝度温度 ,  ヒストグラム ,  *曖昧さ ,  波束 ,  衛星 ,  *サポートベクトルマシン ,  スペクトル
準シソーラス用語： 検出精度 ,  共起行列 ,  グレイレベル ,  テクスチャ特徴 ,  あてはめ【近似法】 ,  *決定融合 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  光学的測定とその装置一般  (BD07010S)

タイトルに関連する用語 (5件)： マルチ ,  ファジィ ,  サポートベクターマシン ,  決定融合 ,  積乱雲