文献

J-GLOBAL ID：201702291019291615   整理番号：17A1395546

Gauss混合モデルに基づく霧状況の分類【Powered by NICT】

Classification of fog situations based on Gaussian mixture model

著者 (5件)： Wan Jinjin (Science and Technology on Electro-Optical Control Laboratory, Luoyang, 471000) ,  Qiu Zhenan (Science and Technology on Electro-Optical Control Laboratory, Luoyang, 471000) ,  Gao Haifeng (Science and Technology on Electro-Optical Control Laboratory, Luoyang, 471000) ,  Jie Feiran (Science and Technology on Electro-Optical Control Laboratory, Luoyang, 471000) ,  Peng Qunnie (Science and Technology on Electro-Optical Control Laboratory, Luoyang, 471000)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCC  ページ： 10902-10906  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： 本論文では,学習アプローチは,霧,霧および濃霧三種類に霧状況を分類しないことを提案した。霧画像のコントラストと詳細に従って設計された特徴ベクトルを抽出した訓練セットを形成した。三状況の確率密度をモデル化するためのGauss混合モデルを用い,期待値最大化アルゴリズムを用いたモデルのパラメータを学習することにより,クラスタ中心と同様にモデルパラメータを良好に推定することができた。実験結果は,提案した方法は,すべての状況において良く機能し,霧状況認識に適しかつ有効であることを示した。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： 確率密度 ,  画像 ,  モデリング ,  コントラスト ,  *学習 ,  クラスタ
準シソーラス用語： 状況認識 ,  モデルパラメータ ,  EMアルゴリズム ,  特徴ベクトル ,  *Gauss混合モデル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： Gauss混合モデル ,  霧 ,  状況 ,  分類