文献

J-GLOBAL ID：201702281250817200   整理番号：17A0313213

不均衡データのための視覚異常検出の確率論的フレームワーク【Powered by NICT】

Probabilistic framework of visual anomaly detection for unbalanced data

著者 (3件)： Wang Yongxiong (Key Laboratory of Modern Optical System, and Engineering Research Centre of Optical Instrument and System, Ministry of Education, University of Shanghai for Science and Technology, 200093 Shanghai, China) ,  Li Xuan (Key Laboratory of Modern Optical System, and Engineering Research Centre of Optical Instrument and System, Ministry of Education, University of Shanghai for Science and Technology, 200093 Shanghai, China) ,  Ding Xueming (Key Laboratory of Modern Optical System, and Engineering Research Centre of Optical Instrument and System, Ministry of Education, University of Shanghai for Science and Technology, 200093 Shanghai, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 201  ページ： 12-18  発行年： 2016年08月12日 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ロボットビジョンに基づく不均衡データのための重み付き結合半教師つきk-meansクラスタリングと事後確率SVM(PPSVM)の新しい確率的検出フレームワークを提案した。枠組みの中で,k平均と特徴におけるk同期学習のためのアルゴリズムは,ハイブリッドラッパーとフィルタ基準に基づいて導入した。k-平均とPPSVMを組み合わせることにより最適階層確率モデルは小さなサンプルで不均衡データの問題を軽減し,検出精度を改善し,異常クラスを定義する困難な問題を扱うように異常検出に使用した。この手法の他の寄与は次の三側面を含む(1)直接抽出した特徴よりもむしろクラス確率分布を用いた異常候補を分類する(2)関連クラスは試料の多モードGauss分布を学習することにより構築されるおよび(3)コスト重視理念とフィルタ基準はタブー探索のコスト関数を介した学習Kと特徴に統合した。実世界データセット上での実験結果により,提案した方法は,加熱の状態を検査する処理において限られた時間,換気と空調(HVAC)ダクト内で満足される検出性能が得られるを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 換気 ,  正規分布 ,  クラスタ化 ,  タブー探索 ,  HVAC ,  確率分布 ,  事後確率 ,  費用関数 ,  確率モデル ,  *確率論 ,  多モード ,  学習
準シソーラス用語： *異常検出 ,  ロボットビジョン ,  *不均衡データ , 【Automatic Indexing@JST】

著者キーワード (4件)： 異常検出 ,  後確率 ,  パラメータ学習 ,  不平衡分布

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 不均衡データ ,  視覚異常 ,  フレームワーク