文献

J-GLOBAL ID：201602257874727683   整理番号：16A1206063

動物分類における教師つきおよび教師なし学習【Powered by NICT】

Supervised and unsupervised learning in animal classification

著者 (3件)： Manohar N (DoS in Computer Science, University of Mysore, Mysuru, India) ,  Kumar Y H Sharath (Department of Information Science & Engineering, MIT Mysore, Mandya, India) ,  Kumar G Hemantha (DoS in Computer Science, University of Mysore, Mysuru, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICACCI  ページ： 156-161  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,動物を分類するための教師つきおよび教師なしに基づく分類システムを開発した。動物画像は最大領域併合セグメンテーションアルゴリズムを用いて分割した。Gabor特徴は,セグメント化された画像から抽出した。さらに,抽出された特徴は教師つきおよび教師なし手法に基づいて削減される。教師つき方法では,特徴を減少させるための線形判別分析(LDA)次元縮小法を用いた。還元特徴は,分類の目的のための記号分類器に入力する。教師なしの方法では,主成分分析(PCA)次数低減技術は特徴を低減した。還元特徴は,グループ化の目的のためのK平均アルゴリズムに入力する。実験は,訓練サンプルの割合を変動させた動物の20種類のカテゴリーからなる2000動物画像のデータセットについて行った。提案したモデルから,教師つき分類システムは,教師なし手法に比べて優れていることを観測した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 次元縮小 ,  画像 ,  アルゴリズム ,  セグメンテーション ,  主成分分析 ,  *動物
準シソーラス用語： 次数削減 ,  線形判別分析 ,  領域マージング , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 動物 ,  分類 ,  教師 ,  教師なし学習