文献

J-GLOBAL ID：201702255841951948   整理番号：17A0021042

SVM(サポートベクトルマシン)を用いたいびき活性検出における学習データの最適数に関する研究【Powered by NICT】

A Study on the Optimum Number of Training Data in Snore Activity Detection Using SVM

著者 (3件)： Nishijima Keisuke ,  Uenohara Shingo ,  Furuya Ken’ichi
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CISIS  ページ： 582-584  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： 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】

シソーラス用語： 音響 ,  スマートフォン ,  学習アルゴリズム ,  音圧レベル ,  線形性 ,  機械学習 ,  *サポートベクトルマシン
準シソーラス用語： 検出率 ,  計算コスト ,  音響特徴 ,  ケプストラム係数 ,  訓練データ ,  システム開発 ,  健康増進 ,  *学習データ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： SVM ,  サポートベクトルマシン ,  いびき ,  活性 ,  学習データ ,  研究