文献

J-GLOBAL ID：201702250985569836   整理番号：17A1293205

PCAの次元低減に基づく階層的超限学習機械のジェスチャ認識手法【JST・京大機械翻訳】

Hierarchical extreme learning machine gesture recognition method based on PCA dimension reduction

著者 (4件)： Wu Liangyuan (湖南師范大学 物理与信息科学学院 物聯网技術及応用重点実験室 長沙 410081) ,  Wei Shuning (湖南師范大学 物理与信息科学学院 物聯网技術及応用重点実験室 長沙 410081) ,  Zhou Bangbang (湖南師范大学 物理与信息科学学院 物聯网技術及応用重点実験室 長沙 410081) ,  Chen Yuanyi (湖南師范大学 物理与信息科学学院 物聯网技術及応用重点実験室 長沙 410081)
資料名： Dianzi Celiang Jishu  (Dianzi Celiang Jishu)
巻： 40  号： 3  ページ： 82-88  発行年： 2017年 
JST資料番号： C3330A  ISSN： 1002-7300  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： ジェスチャ認識におけるオリジナルの限られた学習機械の良い一般化性能とロバスト性の問題を解決するために,主成分分析(PCA)アルゴリズムを用いて,データの次元を単純化して,限られた学習機械に基づいて,データの構造を簡素化した。多層パーセプトロン理論によって拡張された階層的限外学習機械は,ジェスチャ認識のための分類器として用いられ,PCAアルゴリズムは,ジェスチャの特徴を抽出することができて,階層的超限学習機械のスパース自動符号化と階層的訓練を通して,オリジナルの入力の多層スパース表現を得た。自動符号化後の出力を元の入力に近似させ、再構成誤差を最大限に減少させ、特徴分類の精度を向上させた。実験結果は,オリジナルの限られた学習機械と比較して,より良い一般化性能,より速い認識速度,およびより高い認識精度を有して,全体の学習性能を向上させることができることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 透視図法 ,  ロバスト性 ,  再構成 ,  多層パーセプトロン ,  *次元縮小 ,  符号化 ,  主成分分析 ,  *学習機械 ,  多層 ,  アルゴリズム ,  簡素化
準シソーラス用語： 認識精度 ,  スパース表現 ,  *身振り ,  *ジェスチャー認識 , 【Automatic Indexing@JST】

著者キーワード (5件)： PCA ,  extreme learning machine ,  hierarchical extreme learning machine ,  gesture recognition ,  spare autoencoder

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： PCA ,  次元低減 ,  学習機械 ,  ジェスチャ認識 ,  手法