文献

J-GLOBAL ID：201902251355518319   整理番号：19A1254184

深い特徴と機械学習技術を用いた侵入分類【JST・京大機械翻訳】

Invoice Classification Using Deep Features and Machine Learning Techniques

著者 (5件)： Tarawneh Ahmad S. (Dept. of Algorithms and Their Applications, Eoetvoes Lora ́nd University, Budapest, Hungary) ,  Hassanat Ahmad B. (Dept. of Information Technology, Mutah University, Karak, Jordan) ,  Chetverikov Dmitry (Dept. of Algorithms and Their Applications, Eoetvoes Lora ́nd University, Budapest, Hungary) ,  Lendak Imre (Dept. Data Science and Engineering, Eoetvoes Lora ́nd University, Budapest, Hungary) ,  Verma Chaman (Dept. of Media and Educational Informatics, Eoetvoes Lora ́nd University, Budapest, Hungary)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： JEEIT  ページ： 855-859  発行年： 2019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： 企業,銀行,および異なる組織によって,手書きおよび機械印刷のものを含む異なる形態において,インボリュートが発行される。時には,受食者は非侵入の分離型として含まれる。現在の実践では,通常,これらのタイプを分類することは,光学文字認識システム(OCR)に適しているような特別な種類の処理を必要とするため,人手で行われている。異なるカテゴリーに対して人手で人手を分類することは困難で時間がかかるタスクである。そこで,本論文では,手書き,機械印刷,受信の3つのタイプに分類するための自動アプローチを提案した。提案した方法は,深部畳込みニューラルネットワークAlexNetを用いた特徴抽出に基づいている。この特徴は,ランダムフォレスト,K最近傍(KNN),およびナリアBayesを含む様々な機械学習アルゴリズムを用いて分類される。提案した解の有効性を保証するために,異なる交差検証手法を実験に適用した。最良の分類結果は,KNNによって達成された98.4%(全精度)であり,ほとんど完全な性能は,提案した方法がOCRシステムのための前処理として,または単独の応用として,実際に使用されることを可能にした。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： 文字認識 ,  学習アルゴリズム ,  特徴抽出 ,  前処理 ,  *印刷 ,  銀行 ,  インボリュート ,  有効性 ,  畳込みニューラルネットワーク ,  *侵入 ,  *機械学習技術
準シソーラス用語： ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 機械学習技術 ,  侵入 ,  分類