文献

J-GLOBAL ID：201702253384056640   整理番号：17A1527776

改良主成分分析とAdaBoostアルゴリズムに基づく運動アスタの識別方法【JST・京大機械翻訳】

Moving larval shrimps recognition based on improved principal component analysis and AdaBoost

著者 (5件)： Liu Shijing (中国水産科学研究院漁業机械儀器研究所,上海,200092) ,  Wang Shuai (中国水産科学研究院漁業机械儀器研究所,上海,200092) ,  Chen Jun (中国水産科学研究院漁業机械儀器研究所,上海,200092) ,  Liu Xingguo (中国水産科学研究院漁業机械儀器研究所,上海,200092) ,  Zhou Haiyan (中国水産科学研究院漁業机械儀器研究所,上海,200092)
資料名： Nongye Gongcheng Xuebao  (Nongye Gongcheng Xuebao)
巻： 33  号： 1  ページ： 212-218  発行年： 2017年 
JST資料番号： C2454A  ISSN： 1002-6819  CODEN： NGOXEO  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： エビの定量化におけるアスタの検出と同定の困難さの問題を解決するために,本論文では,Penaeus vannameiのエビ苗を例として取り上げることを目的として,本論文では以下の結果を得た。本論文は,改良主成分分析(PCA)+AdaBoostアルゴリズムに基づく新しい自動認識法を提案した。”.”. . AdaBoostのための新しい方法を提案した。室内自然光の条件下で、工業カメラを用いて、容器中のエビ苗のグレースケール画像を収集した。画像のサイズが100×100ピクセルの異なる運動状態を持つエビ画像を抽出し、まず改良PCAアルゴリズムを用いて主成分分析を行い、特徴抽出を行った。特徴パラメータの分布に従って,正規化処理を行い,正規化の特徴を用いて弱い分類器を構築し,Adaboost法を用いて弱い分類器を分類器に構築した。最後に、強い分類器を用いて、運動アスタに対して識別を行った。実験結果により,150の異なる運動状態における試験サンプルの中で,改良PCA+Adaboost法に基づく認識率は98%であり,平均サンプル認識時間は0.02898sであり,行動量子化における自動認識要求を満たすことを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： カメラ ,  特徴抽出 ,  *主成分分析 ,  量子化 ,  画像 ,  正規化 ,  画素
準シソーラス用語： 認識率 ,  特徴パラメータ ,  グレースケール画像 ,  自然光 ,  屋内 ,  自動認識 ,  *AdaBoost , 【Automatic Indexing@JST】

著者キーワード (7件)： image recognization ,  identification ,  algorithms ,  moving larval shrimps ,  improved PCA ,  AdaBoost ,  behavior quantification

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 主成分分析 ,  AdaBoostアルゴリズム ,  運動 ,  識別