文献

J-GLOBAL ID：202202239216482780   整理番号：22A0862540

マルチモーダル測定からの教師付き混合解析とソース検出【JST・京大機械翻訳】

Supervised Mixture Analysis and Source Detection from Multimodal Measurements

著者 (6件)： Lefeuvre Johan (LS2N, Centrale Nantes, CNRS UMR 6004, Nantes, France) ,  Lefeuvre Johan (CRES, TotalEnergies, Solaize, France) ,  Moussaoui Saied (LS2N, Centrale Nantes, CNRS UMR 6004, Nantes, France) ,  Grosset Laurent (CRES, TotalEnergies, Solaize, France) ,  Siqueira Anna Luiza Mendes (CRES, TotalEnergies, Solaize, France) ,  Delayens Franck (CRES, TotalEnergies, Solaize, France)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1527  ページ： 210-221  発行年： 2022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： 本論文は,いくつかの分光法測定様式を用いて,未知の化学混合物内のソース検出の方法を示す。単一源検出のよく研究されたケースとは対照的に,この方法は,教師つき線形非混合と閾値非負最小二乗から生じる混合係数を利用して,複数の化学成分の同時検出を可能にする。本研究の最初の貢献は,既知混合物のデータベースを用いて独立に各成分に対する最適化二値分類器ルールを計算する自動化手順を提案することである。第2の貢献は,多重分類器システム(MCS)で使われるような重み付け方式を用いたマルチモーダル決定の融合に基づく大域的決定ルールを提案することである。イオン移動度質量分析(IMMS)データの実データベースを用いて検出性能を評価した。主な結果は,単一モダリティ検出と比較して,独立分類器手法内の多重閾値を用いて検出精度の増加に達することである。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  最小二乗法 ,  最適化 ,  自動化 ,  データ ,  データベース ,  規則 ,  多重化 ,  スペクトロスコピー ,  混合物 ,  *多モード ,  重みづけ
準シソーラス用語： モダリティ ,  化学成分 ,  同時検出 , 【Automatic Indexing@JST】

著者キーワード (3件)： 多モード超結合スペクトルアンミキシング ,  センサフュージョン ,  化学混合物分析

分類 (3件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  分光分析  (CC03012W)

タイトルに関連する用語 (4件)： マルチモーダル ,  教師 ,  解析 ,  ソース