文献

J-GLOBAL ID：201902232867925289   整理番号：19A1066381

海洋クロロフィルaコンテンツ検索のための機械学習自動モデル選択アルゴリズム【JST・京大機械翻訳】

Machine Learning Automatic Model Selection Algorithm for Oceanic Chlorophyll-a Content Retrieval

著者 (2件)： Blix Katalin (UiT the Arctic University of Norway, P.O. box 6050 Langnes, NO-9037 Tromso, Norway) ,  Eltoft Torbjorn (UiT the Arctic University of Norway, P.O. box 6050 Langnes, NO-9037 Tromso, Norway)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 10  号： 5  ページ： 775  発行年： 2018年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 海洋色リモートセンシングは,水生環境のモニタリングにおいて非常に重要である。衛星搭載の光学画像センサの数は過去数十年に増加しており,世界の海洋と内陸水の種々の水質パラメータに関する情報を検索することができる。これは,与えられたセンサと環境に対するリモートセンシング多重スペクトルデータから水質パラメータを検索するために種々の回帰アルゴリズムを用いることによって行われる。種々の性能を有する水質パラメータを推定するための多くのそのようなアルゴリズムがある。従って,与えられた目的のために最も適切なモデルを選択することは困難である。これは特に光学的に複雑な水生環境に対する事実である。本論文では,与えられたマッチアップデータセットに対する最良モデルを決定する目的で,自動モデル選択アルゴリズム(AMSA)に対する概念を提示した。AMSAは,関心のあるパラメータを推定するために回帰モデルを自動的に選択する。AMSAはまた,最良のモデルを得るために使用するための特徴の数と組合せを決定する。著者らは,AMSAがある応用のためにどのように構築できるかを示した。ここでは,4つの機械学習(ML)特徴ランキング法と3つのML回帰モデルを用いて,大域的および光学的に複雑な水に対する海洋クロロフィルaを推定するために設計した。最良のモデルを見出すために,合成および2つの実際のマッチアップデータセットを用いた。最後に,光学的に複雑な水から2つの画像を用いて,最良のモデルの予測力を説明した。著者らの結果は,AMSAが操作目的のために使用される大きな可能性を有することを示した。それは,与えられたセンサ,水質パラメータおよび環境に対する最も適切なモデルを見出すための有用な客観的ツールとなり得る。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： センサ ,  回帰モデル ,  リモートセンシング ,  水質 ,  画像 ,  *アルゴリズム ,  *海洋 ,  イメージセンサ ,  予測 ,  *クロロフィルa ,  *機械学習 ,  *モデル ,  内陸
準シソーラス用語： 多重スペクトル ,  *モデル選択 , 【Automatic Indexing@JST】

著者キーワード (5件)： 海色 ,  リモートセンシング ,  モデル選択 ,  特徴ランキング ,  回帰

分類 (1件)： リモートセンシング一般  (AD04000L)

引用文献 (70件)：

• Kahru, M.; Mitchell, B.G. Ocean Color Reveals Increased Blooms in Various Parts of the World. Eos Trans. Am. Geophys. Union 2008, 89, 170.
• McClain, C.R. A Decade of Satellite Ocean Color Observations. Ann. Rev. Mar. Sci. 2009, 1, 19-42.
• Gholizadeh, M.H.; Melesse, A.M.; Reddi, L. A Comprehensive Review on Water Quality Parameters Estimation Using Remote Sensing Techniques. Sensors 2016, 16, 1298.
• Wilson, C. The rocky road from research to operations for satellite ocean-colour data in fishery management. ICES J. Mar. Sci. 2011, 68, 677-686.
• Ha, N.T.T.; Koike, K.; Nhuan, M.T. Improved Accuracy of Chlorophyll-a Concentration Estimates from MODIS Imagery Using a Two-Band Ratio Algorithm and Geostatistics: As Applied to the Monitoring of Eutrophication Processes over Tien Yen Bay (Northern Vietnam). Remote Sens. 2014, 6, 421-442.

タイトルに関連する用語 (6件)： 海洋 ,  クロロフィルa ,  コンテンツ検索 ,  機械学習 ,  モデル選択 ,  アルゴリズム