文献

J-GLOBAL ID：201802253769621790   整理番号：18A1489725

GPR自動目標検出のための多目的遺伝的アルゴリズムアプローチによる分類器設計【JST・京大機械翻訳】

Classifier Design by a Multi-Objective Genetic Algorithm Approach for GPR Automatic Target Detection

著者 (7件)： Harkat H. (Faculty of Science and Technology, University of Algarve, Faro, Portugal) ,  Harkat H. (Faculty of Sciences and Technologies, University of Sidi Mohamed Ben Abdellah, Fez, Morocco) ,  Ruano A. (Faculty of Science and Technology, University of Algarve, Faro, Portugal) ,  Ruano A. (IDMEC, Instituto Superior Tecnico, Universidade de Lisboa, Lisboa, Portugal) ,  Ruano M.G. (Faculty of Science and Technology, University of Algarve, Faro, Portugal) ,  Ruano M.G. (CISUC-University of Coimbra, Portugal) ,  Bennani S.D. (Faculty of Sciences and Technologies, University of Sidi Mohamed Ben Abdellah, Fez, Morocco)
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 51  号： 10  ページ： 187-192  発行年： 2018年 
JST資料番号： W3101A  ISSN： 2405-8963  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： GPRは,高雑音環境における比較的小さな物体の検出に使用される電磁リモートセンシング技術である。データインバージョンは,目標反射を表す双曲線署名の適合手順を必要とし,時にはGPR画像の高分解能のために悪い結果を生み出す。本論文で提案したアイデアは,機械学習アプローチを用いて,双曲線の位置を小領域に絞り込むことからなる。多目的遺伝的アプローチ(MOGA)を用いて,動径基底関数分類器を設計した。高次統計キュムラントをこのフレームワークの特徴として採用した。定式化された問題の複雑さのために,特徴選択は2つの方法で行うことができる:MOGA単独によるか,あるいは相互情報アプローチを用いて得られた縮小部分集合に作用する。選択した分類器を実験データについて試験し,結果は文献に示されたものよりも優れているか,あるいは非常に低い複雑さのモデルと類似の結果を達成した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： キュムラント ,  モデル ,  特徴選択 ,  *遺伝 ,  機械学習 ,  ニューラルネットワーク ,  リモートセンシング ,  部分集合 ,  定式化 ,  画像 ,  動径基底関数 ,  高分解能 ,  双曲線
準シソーラス用語： 複雑性 ,  雑音環境 , 【Automatic Indexing@JST】

著者キーワード (5件)： 地中レーダ(GPR) ,  高次統計(HOS) ,  多目的遺伝的アルゴリズム(MOGA) ,  ニューラルネットワーク ,  特徴選択

分類 (2件)： 人工知能  (JE08000Z) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： GPR ,  目標 ,  多目的遺伝的アルゴリズム ,  分類器 ,  設計