文献

J-GLOBAL ID：201802220783919496   整理番号：18A0484126

アクティブ学習アルゴリズムはハイパースペクトル透過率データを用いた非常に小さい訓練データセットによるブルーベリー損傷の分類器を確立できる【Powered by NICT】

Active learning algorithm can establish classifier of blueberry damage with very small training dataset using hyperspectral transmittance data

著者 (3件)： Hu Meng-Han (Shanghai Jiao Tong University, Institute of Image Communication and Information Processing, Shanghai, China) ,  Zhao Yu (Shanghai Jiao Tong University, Department of Biomedical Engineering, Shanghai, China) ,  Zhai Guang-Tao (Shanghai Jiao Tong University, Institute of Image Communication and Information Processing, Shanghai, China)
資料名： Chemometrics and Intelligent Laboratory Systems  (Chemometrics and Intelligent Laboratory Systems)
巻： 172  ページ： 52-57  発行年： 2018年 
JST資料番号： E0150B  ISSN： 0169-7439  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究の目的は,非常にゆっくりとした標識コストでハイパースペクトル透過率データを用いてブルーベリー損傷を検出するための能動的学習アルゴリズムの性能を推定することであった。ハイパースペクトル透過画像システムは,まず,ブルーベリーのハイパースペクトル透過率データを収集するために適用した。,平均ハイパースペクトル透過率データを抽出した。わずか9標識ベリーでは,推定誤差の低減は,それぞれ0.87,0.93と0.78の精度,適合率と再現率を達成でき,一貫して質問の残りのための分類器の性能を改善・維持された。SOM(自己組織化マップ)とSVM(サポートベクトルマシン)モデルとは対照的に,推定誤差低減に基づく分類器は,遥かに少ない標識試料の高精度,適合率と再現率を提供した。能動学習アルゴリズムは,ラベル付けされた標本は非常に限られているか,高価な大規模応用に拡張することができ,モデルが頻繁に移動する必要がある。本症例では,ブルーベリー試料の間に存在する重要な生物学的変動のために,分類器は,実際の応用では頻繁な更新を必要とし,能動学習アルゴリズムは,モデル更新プロセス中の標識努力を著しく減少させることができた。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： モデル ,  *透過率 ,  *学習アルゴリズム ,  *アルゴリズム ,  サポートベクトルマシン ,  *ブルーベリー ,  自己組織化特徴マップ
準シソーラス用語： 能動学習 ,  高精度 ,  再現率 ,  適合率 ,  推定誤差 ,  *ベリー類 ,  *訓練データ ,  *ハイパースペクトル , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  赤外・Raman・Rayleighスペクトル一般(分子)  (BH06031K)

タイトルに関連する用語 (8件)： アクティブ学習 ,  アルゴリズム ,  ハイパースペクトル ,  透過率 ,  訓練データ ,  ブルーベリー ,  損傷 ,  分類器