論文の概要: Classification of Honey Botanical and Geographical Sources using Mineral Profiles and Machine Learning

• arxiv url: http://arxiv.org/abs/2507.22032v1
• Date: Tue, 29 Jul 2025 17:27:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:56.774443
• Title: Classification of Honey Botanical and Geographical Sources using Mineral Profiles and Machine Learning
• Title（参考訳）: ミネラルプロファイルと機械学習を用いたハニー植物・地理源の分類
• Authors: Mokhtar Al-Awadhi, Ratnadeep Deshmukh,
• Abstract要約: 本稿では,ミネラル元素プロファイルを用いてミツバチの花と地理的資源を識別する機械学習手法を提案する。 6種の植物源と13種のミツバチの地理的起源を識別するために,様々な分類モデルを用いた。 以上の結果から,ミツバチのミツバチのミツバチに含まれるミツバチ成分は,ミツバチの植物学的および地理的資源の分類に有用な識別情報を提供することが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a machine learning-based approach for identifying honey floral and geographical sources using mineral element profiles. The proposed method comprises two steps: preprocessing and classification. The preprocessing phase involves missing-value treatment and data normalization. In the classification phase, we employ various supervised classification models for discriminating between six botanical sources and 13 geographical origins of honey. We test the classifiers' performance on a publicly available honey mineral element dataset. The dataset contains mineral element profiles of honeys from various floral and geographical origins. Results show that mineral element content in honey provides discriminative information useful for classifying honey botanical and geographical sources. Results also show that the Random Forests (RF) classifier obtains the best performance on this dataset, achieving a cross-validation accuracy of 99.30% for classifying honey botanical origins and 98.01% for classifying honey geographical origins.
• Abstract（参考訳）: 本稿では,ミネラル元素プロファイルを用いてミツバチの花と地理的資源を識別する機械学習手法を提案する。 提案手法は前処理と分類の2段階からなる。 前処理フェーズは、欠落値処理とデータの正規化を含む。 分類段階では,6種の植物源と13種のハチミツの地理的起源を識別するために,様々な分類モデルを用いた。 公開ミネラル元素データセットを用いて分類器の性能を検証した。 このデータセットは、様々な花や地理的起源のミツバチの鉱物元素プロファイルを含んでいる。 その結果,ミツバチのミツバチのミツバチに含まれるミツバチの鉱物成分は,ミツバチの植物学的および地理的資源の分類に有用な識別情報を提供することがわかった。 また、ランダムフォレスト分類器(RF)は、ハチミツの植物起源を分類するために99.30%、ハチミツの地理的起源を分類するために98.01%のクロスバリデーション精度を達成し、このデータセット上で最高の性能を得ることを示した。

関連論文リスト

• From Spectra to Geography: Intelligent Mapping of RRUFF Mineral Data [0.0]
  我々は1次元のConvNeXt1Dニューラルネットワークアーキテクチャを用いて、スペクトル信号のみに基づいてミネラルスペクトルを分類する。 処理されたデータセットは、101か国にまたがる32,900以上の鉱物サンプルからなる。
  論文  参考訳（メタデータ） (2024-11-18T16:15:00Z)
• WhaleNet: a Novel Deep Learning Architecture for Marine Mammals Vocalizations on Watkins Marine Mammal Sound Database [49.1574468325115]
  textbfWhaleNet (Wavelet Highly Adaptive Learning Ensemble Network) は海洋哺乳動物の発声を分類するための高度な深層アンサンブルアーキテクチャである。 既存のアーキテクチャよりも8-10%の精度で分類精度を向上し、分類精度は9,7.61%である。
  論文  参考訳（メタデータ） (2024-02-20T11:36:23Z)
• Unmasking honey adulteration : a breakthrough in quality assurance through cutting-edge convolutional neural network analysis of thermal images [0.0]
  ハニーは、人口の豊かさと国の財政豊かさに重大な影響をもたらす、密通に敏感である。 本稿では、熱画像に基づく蜂蜜の分類に畳み込みニューラルネットワーク(CNN)を用いた新しいアプローチを提案する。 我々は、より合理化され、より複雑でない畳み込みニューラルネットワーク(CNN)モデルを実装した。
  論文  参考訳（メタデータ） (2024-02-12T23:33:22Z)
• Unified and Effective Ensemble Knowledge Distillation [92.67156911466397]
  知識蒸留は、複数の教師モデルから知識を抽出し、それを1人の学生モデルにエンコードする。 既存の多くの手法は、ラベル付きデータのみに基づいて学生モデルを学習し、蒸留する。 本研究では,教師モデルのアンサンブルから,ラベル付きデータとラベルなしデータの両方から単一学生モデルを蒸留する,統一的で効果的なアンサンブル知識蒸留法を提案する。
  論文  参考訳（メタデータ） (2022-04-01T16:15:39Z)
• An Efficient and Accurate Rough Set for Feature Selection, Classification and Knowledge Representation [89.5951484413208]
  本稿では, 特徴選択, 分類, 知識表現を同時に実現する, 粗集合に基づく強力なデータマイニング手法を提案する。 まず, ノイズ特性の処理において, 粗集合の非効率性について検討し, 相対的重要度と呼ばれる特性のロバストな測定法を提案する。 公開ベンチマークデータセットによる実験結果から,提案フレームワークは7つの人気や最先端の機能選択手法よりも精度が高いことがわかった。
  論文  参考訳（メタデータ） (2021-12-29T12:45:49Z)
• Combating Noise: Semi-supervised Learning by Region Uncertainty Quantification [55.23467274564417]
  現在の手法は、擬似ラベルによって生成されるノイズの多い領域によって容易に妨げられる。 領域の不確実性を定量化して雑音耐性半教師付き学習を提案する。 PASCAL VOCとMS COCOの併用実験により,本手法の異常な性能を実証した。
  論文  参考訳（メタデータ） (2021-11-01T13:23:42Z)
• Automated Feature-Specific Tree Species Identification from Natural Images using Deep Semi-Supervised Learning [0.0]
  本稿では,実世界の自然環境において木を識別できる,新しい2倍の頑健なアプローチを提案する。 我々は、深い半教師付き学習を通じて、未学習データを活用し、教師付き学習よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2021-10-08T09:25:32Z)
• An effective and friendly tool for seed image analysis [0.0]
  本研究では,種子を含む画像から特徴抽出と分類を行い,画像解析を行うソフトウェアを提案する。 本研究では, 種子の画像から形態的, テクスチャ的, 色彩的特徴を抽出できるEmphImageJプラグインと, 抽出した特徴を用いて種子を分類するEmphImageJプラグインを2種類提案する。 実験結果は, 抽出した特徴と分類予測の正しさと妥当性を示した。
  論文  参考訳（メタデータ） (2021-03-31T16:56:22Z)
• Artificial Neural Network Approach for the Identification of Clove Buds Origin Based on Metabolites Composition [0.0]
  本稿では, 人工ニューラルネットワークを用いて, 代謝物組成に基づくクローブ芽の起源を同定する。 その結果, 1層と2層に隠された層によるバックプロパゲーションとレジリエントな伝播が, クローブ芽の起源を正確に同定できることが示唆された。
  論文  参考訳（メタデータ） (2020-07-10T00:55:12Z)
• Pollen13K: A Large Scale Microscope Pollen Grain Image Dataset [63.05335933454068]
  この研究は、1万3千以上の天体を含む最初の大規模花粉画像データセットを提示する。 本稿では, エアロバイオロジカルサンプリング, 顕微鏡画像取得, 物体検出, セグメンテーション, ラベル付けなど, 採用データ取得のステップに注目した。
  論文  参考訳（メタデータ） (2020-07-09T10:33:31Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。