抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
個々の特性解析は,マルチモーダル溶液への道を与えているが過去数十年はオブジェクト分類におけるパラダイムシフトに直面している。テキストと画像のような異なるモダリティ間の意味論的ギャップはまだ同じに向けられている研究と資源のかなりの量が課題であり続けている。マルチモーダルタスクの一つの重要な側面は,同定された特徴を適切に組み合わせることが最適結果を高精度で得ることができるようにした。文献にはかなりの数のそのような特徴組合せ技術であるが,改善のための十分な範囲を観察することができる。本論文では,山登り法を用いた分類タスクのための最適特徴組合せのこの問題を解決することを試みた。山登り法の欠点を克服するために,分類の効率と精度を有意に増加させることを改良版を提案した。確立されたメトリックスを用いた標準データセット上での徹底した実験は,提案した方法が最新の特徴組合せ手法に優ることを実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】