文献

J-GLOBAL ID：201802235978860165   整理番号：18A2033413

屋外環境音の地理空間モデルへの入力のクラスタ化解析【JST・京大機械翻訳】

Clustering analysis of inputs to a geospatial model of outdoor ambient sound

著者 (6件)： Butler Brooks A. (Phys. and Astronomy, Brigham Young Univ., 35 E 800 N, Provo, UT 84604, [e-mail]) ,  Gee Kent L. (Phys. and Astronomy, Brigham Young Univ., 35 E 800 N, Provo, UT 84604, [e-mail]) ,  Transtrum Mark K. (Phys. and Astronomy, Brigham Young Univ., 35 E 800 N, Provo, UT 84604, [e-mail]) ,  Pedersen Katrina (Phys. and Astronomy, Brigham Young Univ., 35 E 800 N, Provo, UT 84604, [e-mail]) ,  James Michael M. (Blue Ridge Res. and Consulting LLC, Asheville, NC) ,  Salton Alexandria R. (Blue Ridge Res. and Consulting LLC, Asheville, NC)
資料名： Journal of the Acoustical Society of America  (Journal of the Acoustical Society of America)
巻： 144  号： 3  ページ： 1730  発行年： 2018年 
JST資料番号： C0249A  ISSN： 0001-4966  CODEN： JASMAN  資料種別： 逐次刊行物 (A)
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： 屋外環境音響環境は,入力として地球空間特徴を用いた教師つき機械学習により予測される。しかしながら,十分な訓練データを収集することは,特に,大規模で地球空間的に多様な領域にわたる教師つき学習法に基づくモデルの精度を改善するために,高価なプロセスである。K-平均クラスタリング解析のような教師なし機械学習法は,現在の訓練データセットにおいて表現された地球空間多様性と予測子位置との間の統計的比較を可能にする。この場合,西部ノースカロライナとUtahの地域を代表する地球空間特徴を同時にクラスタ化し,2つの位置間の共通クラスタを調べた。初期の結果は,ほとんどの地球空間クラスタ群が,比較的少数の顕著な地球空間特徴に従って,それ自身が,その地球空間を表すために,かなり多くのクラスタを必要とすることを示している。さらに,現在の訓練データサイトの大部分が少数のクラスタに存在するため,訓練データセットは比較的低い地球空間的多様性を有している。この解析は,訓練と入力データセットの統計的類似性を最大化するデータ収集のための新しいサイト位置の選択を形成する。[作業は,Army SBIRにより資金提供された]Copyright 2018 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 地球 ,  地理学 ,  ノースカロライナ州 ,  *クラスタ ,  データ収集 ,  音環境 ,  類似性 ,  *音響 ,  教師つき学習 ,  モデリング ,  *クラスタ化
準シソーラス用語： 入力データ ,  予測子 ,  訓練データ ,  空間モデル ,  *屋外環境 , 【Automatic Indexing@JST】

分類 (2件)： 音響信号処理  (BB03050C) ,  水中音響応用  (BB03090U)

タイトルに関連する用語 (5件)： 屋外環境 ,  地理 ,  空間モデル ,  クラスタ化 ,  解析