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。
センサによって生成される時系列データにイベント検出は可変センサの展開で大きな関心を集めている。本論文では,BECと呼ばれるセンサデータに事象を分類するための新しいフレームワークを提案した。ファジィ時間点に長い原時系列と事象ラベルが与えられたとき,BECが事象を表現するためにバーストベース特徴を抽出する。は主にこのフレームワークの中で解決すべき二つの重要な課題。最初に,十分な情報を含む適切な部分系列へのファジィ時点を拡張する。第二に,分類モデルを訓練するためにバーストベース特徴を抽出する。は非現実的な仮定と人手介入無しに,センサデータを扱う場合に提案フレームワークが最先端の手法よりも優れていることをreallifeデータセット上で示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】