文献

J-GLOBAL ID：202002256307196107   整理番号：20A2088265

収量特性によるコムギ種子分類の問題を解決するための機械学習法の比較【JST・京大機械翻訳】

Comparison of Machine Learning Methods for Solving the Problem of Wheat Seeds Classification by Yield Properties

著者 (4件)： Baryshev D. D. (Polzunov Altai State Technical University, Barnaul, Russia) ,  Barysheva N. N. (Polzunov Altai State Technical University, Barnaul, Russia) ,  Pronin S. P. (Polzunov Altai State Technical University, Barnaul, Russia) ,  Nikol’skii O. K. (Polzunov Altai State Technical University, Barnaul, Russia)
資料名： Russian Agricultural Sciences  (Russian Agricultural Sciences)
巻： 46  号： 4  ページ： 410-417  発行年： 2020年 
JST資料番号： W4912A  ISSN： 1068-3674  資料種別： 逐次刊行物 (A)
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： 農業生産におけるデータマイニングの利用は人気を得ている。機械学習法,すなわち決定木,サポートベクターマシン,およびK-最近傍の実装の結果は,種子の生物電気指標を用いて,収量特性によるコムギ種子分類の問題を解決するのに,本研究で初めて提示した。研究した分類器の有効性を,精度指標,混乱行列構成および訓練品質交差検証によって提示した。比較結果は,ディシジョンツリー法がデータ分類において最良の結果を示した。この方法は,モデル結果の理解と解釈において非常に簡単であり,追加のデータ準備を必要としない。実験結果は,ノイズ成分を有するサンプルに対して比較的高い精度(96%)を示した。データを正規化する必要がなく,ダミー変数または削除データを追加する必要はない。また,K-最近傍は収量特性によって種子を分類するために推奨されている。しかし,それは決定木に対する精度が劣っている。ノイズによるサンプリングのために,精度は91%であった。サポートベクターマシンは,この問題を解決するための有望なツールであるが,他の領域に対しては極めて成功した方法である。Copyright Allerton Press, Inc. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *コムギ ,  生物電気 ,  ディシジョンツリー ,  有効性 ,  カオス ,  正規化 ,  *機械学習 ,  データマイニング ,  サポートベクトルマシン
準シソーラス用語： データ分類 ,  データ準備 , 【Automatic Indexing@JST】

著者キーワード (6件)： コムギ種子分類 ,  降伏特性 ,  決定木 ,  サポートベクトルマシン ,  K最近傍 ,  方法の比較

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 収量 ,  コムギ ,  種子 ,  分類 ,  機械学習