抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ヘルスプロモーションと維持は,ますます重要になりつつあり,三種類の要素:栄養,運動,休養(睡眠)に依存する。本研究では,睡眠に焦点を当て,睡眠状態の日々変動,専用ハードウェアを必要としないを調べるためにいびき活性検出に基づくスマートフォンに基づくシステム開発した。ここでは,サポートベクトルマシン(SVM)を用いたいびき活性検出に必要な訓練データの数を解析し,ここでは,検出性能を改善する方法を考察した。音圧レベルとメル周波数ケプストラム係数は,スマートフォンを用いて得られた睡眠音データから計算した。いびき活性検出は,線形カーネルを用いたSVMを用いた機械学習により行われる,SVMは標識音響特徴により訓練されると,訓練されたSVMモデルを用いて,いびき活性を検出した。一般では,生成されたモデルの精度は,学習アルゴリズム,計算コストを増加させるにおける訓練データ数の増加とともに増加し,従って,精度とコスト効率の間のバランスは非常に必要である。検出率といびき活性検出における訓練データの数を調べ,学習のために必要なデータの最適数を提案した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】