文献

J-GLOBAL ID：202202221395333193   整理番号：22A0895492

マイクロ表現認識のための進化的特徴選択演算子の設計【JST・京大機械翻訳】

The design of evolutionary feature selection operator for the micro-expression recognition

著者 (5件)： WangPing Zhan (School of Informatics, Xiamen University, Xiamen, China) ,  Min Jiang (School of Informatics, Xiamen University, Xiamen, China) ,  JunFeng Yao (School of Informatics, Xiamen University, Xiamen, China) ,  KunHong Liu (School of Informatics, Xiamen University, Xiamen, China) ,  QingQiang Wu (School of Informatics, Xiamen University, Xiamen, China)
資料名： Memetic Computing  (Memetic Computing)
巻： 14  号： 1  ページ： 61-76  発行年： 2022年 
JST資料番号： W4725A  ISSN： 1865-9292  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： 進化的アルゴリズムは特徴選択タスクにおいて広く展開されるが,特徴選択問題に対する解の複雑性は特徴次元の増加とともに指数関数的に増加する。この問題を扱うために,本研究は,高次元特徴に起因する複雑性を減少できる遺伝的プログラミングに基づくMicro-Expression(ME)認識タスクのための新しい特徴選択オペレータを提案する。1対Rest(OVR)スキームを用いて,MEの3クラス問題を3つのバイナリクラス問題に分解するので,認識タスクの困難さを低減した。特徴選択演算子を,冗長な顔特徴の集合からクラス関連特徴を選択することを目的として,MEデータの特性に基づいて設計した。このアルゴリズムでは,まず異なるME頂点フレームに対して光フロー特徴を抽出し,次に,これらの特徴をスライディングウィンドウによってセグメントの集合に分割し,それを端末セットとしてセットした。特徴選択演算子は,新しい特徴部分集合を形成するためにセグメントの集合を併合し,個人をより高い識別能力に向けて進化させる。3つの公開データセット(CASME,SAMM,SMIC)に関する提案方法をテストして,実験結果は,著者らの方式がクラス不均衡問題を効果的に解決することができて,他の最先端のアルゴリズムと比較してより良い性能に導くことができることを示した。更なる解析は,3つの二値クラス問題のために著者らのアルゴリズムによって選択した特徴部分集合が,わずか0.57%の重複特徴を含むことを明らかにした。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2022 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 ,  冗長性 ,  オペレータ ,  分類 ,  *特性 ,  指数関数 ,  顔 ,  *特徴選択 ,  端末装置 ,  高次元 ,  部分集合 ,  遺伝的プログラミング
準シソーラス用語： 進化的アルゴリズム ,  スライディングウィンドウ ,  クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (5件)： 遺伝的プログラミング ,  マイクロ表現 ,  オプティカルフロー ,  先端フレーム ,  特徴選択

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 表現 ,  進化 ,  特徴選択 ,  演算子 ,  設計