文献

J-GLOBAL ID：201702239115756131   整理番号：17A1644940

不均衡データのための1クラスSVM(サポートベクトルマシン)を用いた地雷検出の改善【Powered by NICT】

Landmine detection improvement using one-class SVM for unbalanced data

著者 (4件)： Tbarki Khaoula (Research laboratory SITI, ENIT, University of Tunis El Manar, Tunis, TUNISIE) ,  Ben Said Salma (INSAT, Research laboratory SITI, ENIT, University of Tunis El Manar, Tunis, TUNISIE) ,  Ksantini Riadh (University of Windsor, Windsor, ON, Canada SUPCOM: Se ́curite Nume ́rique) ,  Lachiri Zied (Electrical Engineering Departement, Research laboratory SITI, ENIT, University of Tunis El Manar, Tunis, TUNISIE)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ATSIP  ページ： 1-6  発行年： 2017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： 地中レーダ(GPR)は,人道的地雷除去のための貴重なツールとなっている。GPRは基底を走査し,三タイプのデータ:Ascan,BscanとCscanを代表する三次元マトリックスを示した。Ascanデータは,与えられた位置でGPRによって放出されたパルスの反射信号からの応答を示した。提案した地雷検出法では,Ascanデータは正常化し,カーネルベース1クラスサポートベクトルマシン(OSVM)を用いて分類した。事実,OSVMは不均衡データを扱うの主要な利点を持つ,マルチクラスSVMのためのケースではない。地雷検出法は,地雷の11シナリオと無害な物体(木材スティック,SodaCan,マツ,石)の3シナリオで構成されるMACADAMデータベース上で試験し,評価した。実験結果は,特に分類精度の項における多クラスSVMカーネル関数に基づく他のRBFカーネルOSVMの優位性を示した,地雷データが不均衡である。Copyright 2017 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： パルス ,  データベース ,  *サポートベクトルマシン ,  地中レーダ ,  基底 ,  三次元 ,  木材
準シソーラス用語： *不均衡 ,  Kernel関数 ,  分類精度 ,  *地雷 ,  *地雷探知 ,  *不均衡データ , 【Automatic Indexing@JST】

分類 (1件)： レーダ  (ND13010H)

タイトルに関連する用語 (5件)： 不均衡データ ,  クラス ,  SVM ,  サポートベクトルマシン ,  地雷検出