文献

J-GLOBAL ID：202202288198235173   整理番号：22A0991279

小サンプル空間ターゲット分類研究に,様々な深さ学習法を組み合わせた。【JST・京大機械翻訳】

A Combination of Multiple Deep Learning Methods Applied to Small-Sample Space Objects Classification

著者 (10件)： Deng Shiyu (中国科学院国家天文台長春人造衛星観測站 ,吉林 長春 130117;中国科学院大学 ,北京 100049) ,  Liu Chengzhi (中国科学院国家天文台長春人造衛星観測站 ,吉林 長春 130117;中国科学院空間目標与碎片観測重点実験室 ,江蘇 南京 210008) ,  Tan Yong (長春理工大学理学院 ,吉林 長春 130022) ,  Liu Delong (中国科学院国家天文台長春人造衛星観測站 ,吉林 長春 130117) ,  Zhang Nan (中国科学院国家天文台長春人造衛星観測站 ,吉林 長春 130117) ,  Kang Zhe (中国科学院国家天文台長春人造衛星観測站 ,吉林 長春 130117) ,  Li Zhenwei (中国科学院国家天文台長春人造衛星観測站 ,吉林 長春 130117) ,  Fan Cunbo (中国科学院国家天文台長春人造衛星観測站 ,吉林 長春 130117;中国科学院空間目標与碎片観測重点実験室 ,江蘇 南京 210008) ,  Jiang Chunxu (長春理工大学理学院 ,吉林 長春 130022) ,  Lv Zhong (長春理工大学理学院 ,吉林 長春 130022)
資料名： Guangpuxue yu Guangpu Fenxi  (Guangpuxue yu Guangpu Fenxi)
巻： 42  号： 2  ページ： 609-615  発行年： 2022年 
JST資料番号： C2093A  ISSN： 1000-0593  CODEN： GYGFED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 近年、スペクトル検出装置の感度、精度と使いやすさの向上に伴い、スペクトル技術は各業界の物質成分の同定と分析に深く進んでいる。空間ターゲットのスペクトル観測は従来の光学観測の重要な拡張の1つであり、その非接触、無損傷などのメリットがあるため、注目されてきたが、観測条件の限界のため、空間目標のスペクトルデータ量は極めて小さく、従来の方法による分類分析では良い効果が得られていない。分類精度を向上させる方法を探求しなければならない。最初に,空間ターゲットのハイパースペクトル画像を,1.2m空間ターゲット光学望遠鏡に搭載したスペクトルカメラによって取得した。天文学測光IRAF法を用いて,空間ターゲットの一次元スペクトルデータを抽出した。空間ターゲットスペクトルを分類するために,小サンプルデータ量の空間目標分類問題を解決するために,様々な深さ学習法を結合した。空間ターゲットの粗い分類を,密度クラスタリング方式によって実行し,そして,空間目標データを,1次元生成対抗ネットワーク方式によって追加し,そして,一次元畳込みニューラルネットワークは,空間目標を精密に分類し,そして,3つの組合せは,より良い実験効果を達成し,そして,全体の精度は,約79.1%(密度クラスタ化,過サンプリング,および過サンプリング)であった。一次元コンボリューションニューラルネットワーク法の組合せ,K-means,一次元生成対抗ネットワーク,一次元畳込みニューラルネットワーク法の組合せ,およびK-means,過サンプリング,一次元畳込みニューラルネットワークに基づく組合せの全体的精度は,それぞれ,78.4%,77.9%および77.2%であった。ラフ分類モデルでは,密度クラスタリング法はK-means法よりも平均精度が約0.67%高い。データ拡張モデルにおいて,一次元生成対抗ネットワーク法は,オーバーサンプリング法より平均精度が1.52%高い。精細分類モデルでは,一次元畳込みニューラルネットワークの2層ネットワークは,3層ネットワークよりも平均精度が0.003%高いが,計算時間は長い。4つの組合せ方法の精度は,単一方法より高かった。実験結果は,提案した組合せ方式が,小さなサンプル空間ターゲットの未知の状況の下で,細かい分類と精度を達成でき,そして,空間目標の最小データ量での画像統合解析を実現するのに,一定の参照値を提供することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  測光 ,  天文学 ,  望遠鏡 ,  *学習 ,  ネットワーク ,  ニューラルネットワーク ,  スペクトル ,  クラスタ化 ,  画像 ,  一次元 ,  スペクトル画像
準シソーラス用語： オーバサンプリング ,  スペクトルデータ ,  ハイパースペクトル画像 ,  分類モデル ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  分光法と分光計一般  (BD07041Q)

タイトルに関連する用語 (4件)： サンプル ,  ターゲット ,  分類 ,  研究