文献

J-GLOBAL ID：202002212382648284   整理番号：20A0778065

地下パイプのマッピングのための確率的混合モデル【JST・京大機械翻訳】

Probabilistic Mixture Model for Mapping the Underground Pipes

著者 (3件)： Zhou Xiren (University of Science and Technology of China, Hefei, Anhui, China) ,  Chen Huanhuan (University of Science and Technology of China, Hefei, Anhui, China) ,  Li Jinlong (University of Science and Technology of China, Hefei, Anhui, China)
資料名： ACM Transactions on Knowledge Discovery from Data  (ACM Transactions on Knowledge Discovery from Data)
巻： 13  号： 5  ページ： 1-26  発行年： 2019年 
JST資料番号： W5699A  ISSN： 1556-4681  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： 著者らの都市の下の埋設管は,水,ガス,電気などの供給を通して人間文明を供給する血管であり,埋設管のマッピングは問題として長く取り組まれている。本論文では,検出された領域の適切な座標を確立し,雑音のある地中レーダ(GPR)と地球測位システム(GPS)データを解析し,正規化し,パイプラインを数学的に記述した。これらに基づいて,確率的混合モデルを提案して,入力として離散的雑音GPRとGPSデータを,出力として正確なパイプ位置と方向を取り込んだ埋設管をマップした。提案したモデルは,前処理,Pipe Fittingアルゴリズム,分類分割抽出最大化(CFEM)アルゴリズム,および角度制限Hough(Al-Hough)変換から成る。検出ポイントの方向情報は,パイプが交差するか,分類するのが難しいいくつかの区域を扱うために,ポイントから近くのパイプラインまで距離の測定に加えた。期待値最大化(EM)アルゴリズムを,検出点を異なるクラスに分類することができ,正確なパイプライン位置と方向を得るために各クラスの複数点を接続し,適合させるCFEMアルゴリズムにアップグレードし,Al-Hough変換は,ある程度信頼できる初期化を提供し,提案したモデルの収束を確実にした。シミュレーションと実世界のデータセットに関する実験結果は,提案したモデルの有効性を実証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *埋設 ,  雑音 ,  埋設管 ,  都市 ,  地球 ,  アルゴリズム ,  血管 ,  データマイニング ,  GPS ,  正規化 ,  地中レーダ ,  前処理 ,  確率モデル ,  有効性
準シソーラス用語： EMアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： データマイニング ,  埋設ユーティリティ位置 ,  パイプラインマッピング ,  確率モデル

分類 (2件)： レーダ  (ND13010H) ,  配管設計・工事  (RA07090J)

タイトルに関連する用語 (5件)： 地下 ,  パイプ ,  マッピング ,  確率 ,  混合モデル