文献

J-GLOBAL ID：202002228266731548   整理番号：20A0145496

河川水質分類における2つの機械学習法の実験【JST・京大機械翻訳】

Experimenting Two Machine Learning Methods in Classifying River Water Quality

著者 (5件)： Nafi Siti Nur Mahfuzah Mohd (Faculty of Computer Science and Information Technology, Universiti Tun Hussein Onn Malaysia, Parit Raja, Batu Pahat, Johor, Malaysia) ,  Mustapha Aida (Faculty of Computer Science and Information Technology, Universiti Tun Hussein Onn Malaysia, Parit Raja, Batu Pahat, Johor, Malaysia) ,  Mostafa Salama A. (Faculty of Computer Science and Information Technology, Universiti Tun Hussein Onn Malaysia, Parit Raja, Batu Pahat, Johor, Malaysia) ,  Khaleefah Shihab Hamad (Faculty of Computer Science, Al Maarif University College, Anbar, Iraq) ,  Razali Muhammad Nazim (Faculty of Computer Science and Information Technology, Universiti Tun Hussein Onn Malaysia, Parit Raja, Batu Pahat, Johor, Malaysia)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1174  ページ： 213-222  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 水は人間の生活にとって非常に重要である。それはヒトと生態系の生存と健康の重要な側面である。それが個々に人間の生活に影響を及ぼすので,水の質は地球全体にわたる普遍的な関心事である。水質が悪化すると,水不足の問題が続く。水質は,人口の増加,経済拡大の急速な発展,ならびに環境汚染のような様々な要因に高度に依存している。本研究の目的は水質の分類モデルを構築することである。2つの分類モデルを,ランダムフォレストアルゴリズムとランダムツリーアルゴリズムであるWEKAデータマイニングツールによって築き上げた。このモデルの性能を,精度,および再現性に基づいて測定した。結果は,ランダムフォレストがランダムツリーアルゴリズムと比較して,すべての3つの評価基準を通してより高い性能を与えることを示した。結果は,世界中の異なる州と河川の場所における水質カテゴリーの分類を支援するために期待される。Copyright 2020 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *河川 ,  *機械学習 ,  *水質 ,  環境汚染 ,  生態系 ,  アルゴリズム ,  評価基準 ,  地球 ,  再現性 ,  ヒト ,  水不足
準シソーラス用語： ランダムフォレスト ,  分類モデル ,  *河川水質 , 【Automatic Indexing@JST】

著者キーワード (4件)： 河川水質 ,  分類 ,  ランダムフォレスト ,  ランダムツリー

分類 (2件)： 計算理論  (JB02000A) ,  河川調査・計画  (RC12020M)

タイトルに関連する用語 (4件)： 河川水質 ,  分類 ,  機械学習 ,  実験