文献

J-GLOBAL ID：201802268950537040   整理番号：18A1046092

空間情報を用いた複雑ネットワークモデルに基づくテクスチャ分類性能改善のためのSVMアンサンブル手法【JST・京大機械翻訳】

SVM ensemble approaches for improving texture classification performance based on complex network model with spatial information

著者 (2件)： Ozaki Srisupang Thewsuwan Nanto (Graduate School of Life Science and Systems Engineering, Kyushu Institute of Technology, 2-4 Hibikino, Wakamatsu, Kitakyushu, Fukuoka 808-0196, Japan) ,  Horio Keiichi (Graduate School of Life Science and Systems Engineering, Kyushu Institute of Technology, 2-4 Hibikino, Wakamatsu, Kitakyushu, Fukuoka 808-0196, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IWAIT  ページ： 1-3  発行年： 2018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,テクスチャ分類性能を改善するためのSVMアンサンブル手法を提案した。画像テクスチャにおける有益なパターンの発見は,画像分類のための重要な問題であり,挑戦のままである。局所空間パターンマッピング(LSPM)法を,複雑なネットワークモデルに基づくテクスチャ分類のために提案した。この方法の目的は,多半径距離解析により画像テクスチャの空間分布を操作することである。分類性能は改善されたが,分類器として単一サポートベクトルマシン(SVM)を用いることにより限界がある。従って,改善されたテクスチャ分類性能を示すことにより限界を克服するために,Bagging技法を用いたSVMアンサンブル法を提案した。実験において,SVM集合分類性能を,Brodatz,UIUCおよびOutexテクスチャデータベースを用いることによって,単一SVM,交差検証およびk-NN分類装置を有するSVMと比較した。その結果,SVM集合は他の分類器に比べてテクスチャ分類性能の改善に有効であることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： *サポートベクトルマシン ,  分類装置 ,  空間分布 ,  空間パターン ,  *複雑ネットワーク ,  地理空間情報
準シソーラス用語： アンサンブル法 ,  *ネットワークモデル ,  画像分類 ,  *テクスチャー分類 ,  空間情報 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 空間情報 ,  複雑ネットワーク ,  モデル ,  テクスチャ分類 ,  性能改善 ,  SVM ,  アンサンブル ,  手法