文献

J-GLOBAL ID：202002214078439771   整理番号：20A1887655

A-KNN:高分解能海洋モデルを構築するための適応法【JST・京大機械翻訳】

A-KNN: An adaptive method for constructing high-resolution ocean models

著者 (6件)： Liu Jun (Acoustics Science and Technology Laboratory, Harbin Engineering University,Harbin,China) ,  Gou Yu (College of Computer Science and Technology, Jilin University,Changchun,China) ,  Zhang Tong (College of Computer Science and Technology, Jilin University,Changchun,China) ,  Jiang Xinyi (School of Statistics and Management, Shanghai University of Finance and Economics,Shanghai,China) ,  Du XinQi (College of Computer Science and Technology, Jilin University,Changchun,China) ,  Zhang Xuan (College of Computer Science and Technology, Jilin University,Changchun,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICSIDP  ページ： 1-6  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： 海洋データの低解像度を考えると,本論文は,高解像度海洋データモデルを構築する方法を提案し,モデルの最適パラメータを適応的に選択した。本論文で提案したKNN回帰モデルを用いて海水温度躍層データを精密化し,垂直勾配に関するデータ分解能を著しく改善した。提案方法はKNN回帰モデルの改良であり,モデルは入力データに基づくパラメータを適応的に選択できる。訓練されたモデルは,実験領域の任意の位置で温度と塩分データを予測でき,水中ノードの疎な配置によって引き起こされた低解像度を解決することができる。シミュレーション結果は,提案方法がKNNモデルのための最適パラメータを効果的に選択できることを示した。Copyright 2020 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： シミュレーション ,  海水 ,  分解能 ,  *海洋モデル ,  塩分 ,  温度躍層 ,  精密化 ,  回帰モデル ,  *高分解能
準シソーラス用語： 海洋データ ,  最適パラメータ ,  入力データ , 【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 (5件)： KNN ,  高分解能 ,  海洋モデル ,  構築 ,  適応