文献

J-GLOBAL ID：201702270841698189   整理番号：17A0534546

スパース表現とランク近似に基づく適応異常事象検出アルゴリズム【JST・京大機械翻訳】

Adaptive abnormal event detection algorithm based on sparse representation and low rank approximation

著者 (3件)： Zhou Xiaoyu (Research Center of Internet of Things(Sensory Mine),China University of Mining and Technology(Xuzhou)) ,  Yu Bosi (School of Computer Science and Engineering,Nanjing University of Science and Technology) ,  Ding Enjie (Research Center of Internet of Things(Sensory Mine),China University of Mining and Technology(Xuzhou))
資料名： Nanjing Ligong Daxue Xuebao. Ziran Kexue Ban  (Nanjing Ligong Daxue Xuebao. Ziran Kexue Ban)
巻： 40  号： 6  ページ： 666-673  発行年： 2016年 
JST資料番号： C2961A  ISSN： 1005-9830  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： 従来の異常事象検出アルゴリズムにおいて,ビデオデータのランク特性を考慮していない問題を解決するために,本論文は,ランクのスパース符号化モデルに基づく辞書学習アルゴリズムを提案した。抽出したマルチスケール三次元時空間勾配特徴に対してK平均値クラスタリングを行った。本論文では,ランクのスパース符号化モデルを用いて,各特徴クラスタの辞書学習を行った。反復クラスタリングと辞書学習により,すべての正常な行動パターンを獲得した。このアルゴリズムの性能を,公共 PED1とAVENUEによって検出した。社会(SF),混合確率主成分分析(MPPCA),社会-混合確率主成分分析(SF-MPPCA)およびハイブリッド動的テクスチャ(MDT)を,本論文において提案した。ADAM,子(子),および組合せ(学習)の7つの方法を比較することによって,このアルゴリズムのほうが高い正解率と強いリアルタイム性を持っていることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： クラスタ化 ,  *アルゴリズム ,  学習アルゴリズム ,  学習 ,  クラスタ ,  主成分分析 ,  三次元
準シソーラス用語： 正解率 ,  テクスチャ ,  行動パターン ,  辞書学習 ,  マルチスケール ,  スパースコーディング ,  *検出アルゴリズム ,  *スパース表現 , 【Automatic Indexing@JST】

著者キーワード (6件)： sparse representation ,  low rank approximation ,  abnormal event detection ,  low rank sparse coding model ,  dictionary learning ,  K-means clustering

分類 (3件)： 信号理論  (ND02020G) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： スパース表現 ,  近似 ,  適応 ,  事象検出 ,  アルゴリズム