文献

J-GLOBAL ID：201702239546980930   整理番号：17A1969937

遺伝的アルゴリズムを用いたセグメントH MM(隠れMarkovモデル)ベースの軌道分類【Powered by NICT】

A segmental HMM based trajectory classification using genetic algorithm

著者 (3件)： Saini Rajkumar (Department of Computer Science and Engineering, Indian Institute of Technology Roorkee, India) ,  Pratim Roy Partha (Department of Computer Science and Engineering, Indian Institute of Technology Roorkee, India) ,  Prosad Dogra Debi (School of Electrical Sciences, Indian Institute of Technology Bhubaneswar, India)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 93  ページ： 169-181  発行年： 2018年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 軌道分類技術は,軌道クラス間の明確な境界の存在の長さと欠如を変化するために,さまざまな課題に直面している。このような課題を克服するために,適応マルチカーネルに基づく収縮(AMKS)を用いた軌道縮小フレームワークを用いることができる。しかし,そのような戦略はしばしば貧弱な分類に至る軌跡の過収縮をもたらした。分類性能を改善するために,凸包とRamerダグラスPeucker(RDP)アルゴリズムに基づいているとする二種類の追加的カーネルを導入した。次に,グローバルおよびセグメント隠れMarkovモデル(HMM)に基づく分類器の組合せを用いた教師つきトラジェクトリー分類手法を提案した。第一段階では,HMMは,軌道セグメントの国家全体分布を提供する軌道の分類のための大域的に使用されている。第二段階では,国家全体の軌道部分は分類結果を改善するための分類と組み合わせた全体的認識性能であった。大域的HMMとセグメントH MMの組み合わせは,最終段階で遺伝的アルゴリズム(GA)に基づくフレームワークを用いて行った。二種類の公開利用可能なデータセット上での実験,一般T15とMITとして知られるを行った。T15とMITデータセット上で精度の94.80%と96.75%を達成した。もGauss雑音を加えることにより,提案フレームワークのロバスト性を解析した。システムの有効性を示すために,著者らは,提案したセグメントHMMに基づく結合モデルを用いたオンライン署名の認識を行った。SVC2004署名データセットでは,従来のHMMベースシステムよりも優れている。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *隠れMarkovモデル ,  凸包 ,  ロバスト性 ,  軌跡 ,  結合モデル ,  *遺伝的アルゴリズム ,  Gauss雑音 ,  トラジェクトリー ,  *アルゴリズム
準シソーラス用語： オンライン , 【Automatic Indexing@JST】

著者キーワード (7件)： 軌道分類 ,  HMM(隠れMarkovモデル) ,  セグメンタルHMM ,  教師つき学習 ,  署名認識 ,  遺伝的アルゴリズム ,  SVC2004

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 遺伝的アルゴリズム ,  セグメント ,  隠れMarkovモデル ,  軌道 ,  分類