文献

J-GLOBAL ID：201902246952498397   整理番号：19A2112873

地下ターゲット検出のための感度解析と分類アルゴリズムの比較【JST・京大機械翻訳】

Sensitivity Analysis and Classification Algorithms Comparison for Underground Target Detection

著者 (6件)： Duan Shihong (School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China) ,  Li Yue (School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China) ,  Wan Yadong (School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China) ,  Wang Peng (School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China) ,  Wang Zhen (School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China) ,  Li Na (School of Mathematics and Physics, University of Science and Technology Beijing, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 116227-116246  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 地下ターゲット検出技術は都市建設と資源探査に広く使われてきた。産業近代化の発展により,地下ターゲット検出のための需要は,地下ターゲットの材料や形状のようなより特異的になっている。したがって,地下ターゲットの特性を分類することが必要である。本論文において,感度解析は,最初に回転楕円体モデルと近似的フォワードモデルに関して実行して,モデル出力に及ぼす目標特性の影響を得た。第二に,著者らは,シミュレーションデータのモデルパラメータ(様々な形状と材料を有するターゲットのモデル応答)を得るために適合アルゴリズムを利用して,種々のSNRにおける分類結果に及ぼす適合アルゴリズムの影響を分析した。最後に,8つの機械学習アルゴリズム:サポートベクトルマシン(SVM),ニューラルネットワーク(NN),二次判別分析(QDA),Gaussプロセス(GP),ディシジョンツリー(DT),ランダムフォレスト(RF)およびAdaBoostを用いて,得られた結果を比較した。上記の解析から,形状(半径)は球状モデルにおける材料(透過性)よりもモデルに大きな影響を持つことを見出した。近似的フォワードモデルによると,方位が未知のときにターゲットを分類することは実行可能でないことを見出した。分類性能に及ぼす適合アルゴリズムの影響は雑音レベルに関連する。ニューラルネットワークを用いて得られた結果は,提案した方法が材料ベース分類および形状ベース分類において性能を上回ることを示した。材料ベースの分類において,分類装置は一般的に透過性材料を区別するためのより弱い能力を持っている。Copyright 2019 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： 都市 ,  ディシジョンツリー ,  Gauss過程 ,  分類装置 ,  *感度解析 ,  ニューラルネットワーク ,  学習アルゴリズム ,  計算機シミュレーション ,  サポートベクトルマシン ,  近似法 ,  *アルゴリズム
準シソーラス用語： ランダムフォレスト ,  モデルパラメータ ,  近代化 ,  *分類アルゴリズム ,  *ターゲット検出 , 【Automatic Indexing@JST】

分類 (3件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S) ,  レーダ  (ND13010H)

タイトルに関連する用語 (4件)： 地下 ,  ターゲット検出 ,  感度解析 ,  分類アルゴリズム