文献

J-GLOBAL ID：202002223153718156   整理番号：20A2260133

送電線画像処理のためのランダムフォレスト分類モデル【JST・京大機械翻訳】

A Random Forest Classification Model for Transmission Line Image Processing

著者 (4件)： Bingzhen Zhang (Yunnan Power Grid Co.Ltd.,Yuxi Power Supply Bureau,Yuxi,China) ,  Xiaoming Qiao (Tianjin Zhongwei Aerospace Data System Technology Co.Ltd.,China) ,  Hemeng Yang (Tianjin Zhongwei Aerospace Data System Technology Co.Ltd.,China) ,  Zhubo Zhou (Tianjin Zhongwei Aerospace Data System Technology Co.Ltd.,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCSE  ページ： 613-617  発行年： 2020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： ランダムフォレストアルゴリズムは,分類装置統合の重要な応用の1つである送電線画像処理において広く使われている。しかし,分類の過程において,各々のベース分類装置の分類結果が類似した誤差分布を持つとき,分類効果の最終減少があった。この問題に狙いを定めて,本論文は混乱マトリックスに基づくディシジョンツリーの類似性測度の方法を提案した。この方法は,異なるカテゴリーにおける樹木の数,正しいと間違ったケースの分類,および間違った分類の分類を考慮する。同時に,ディシジョンツリーの分類性能と組み合わせて,ランダムフォレストのモデル選択を「劣っている」の戦略を用いて完成した。実験結果は,提案方法が3つのデータセットにおいてオリジナルのアルゴリズムより高い平均分類精度とより高い安定性を有することを示した。したがって,混乱マトリックスに基づくランダム森林画像分類モデルはランダムフォレストの分類能力を改善できる。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： アルゴリズム ,  測度 ,  分類装置 ,  *送電線 ,  *画像処理 ,  ディシジョンツリー ,  類似性 ,  カオス
準シソーラス用語： モデル選択 ,  分類精度 ,  *ランダムフォレスト ,  分類モデル , 【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 (4件)： 送電線 ,  画像処理 ,  ランダムフォレスト ,  分類モデル