文献

J-GLOBAL ID：201702291219749001   整理番号：17A1396638

隠れMarkovモデルを用いたタバコ煙吸入の認識【Powered by NICT】

Recognizing cigarette smoke inhalations using hidden Markov models

著者 (3件)： Ramos-Garcia Raul I. (Department of Electrical and Computer Engineering, The University of Alabama, Tuscaloosa, U.S.A) ,  Sazonov Edward (Department of Electrical and Computer Engineering, The University of Alabama, Tuscaloosa, U.S.A) ,  Tiffany Stephen (Psychology Department, University at Buffalo, NY, U.S.A.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 1242-1245  発行年： 2017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： パーソナル自動タバコトラッカ(PACT)ウェアラブルシステムによる以前の研究は,喫煙が異なる時間的呼吸パターン,隠れMarkovモデル(HMM)による認識に十分適しているを示すことがわかった。本研究では,手から口近接センサからの1回換気量,空気流,信号などの呼吸器信号に含まれる喫煙吸入の時間情報を特性化するためにHMMを用いることの実現可能性を検討した。左から右のHMMは呼吸信号,または両方の呼吸と手の近接信号のいずれかを用いて喫煙及び非喫煙吸入を分類するために構築した。20名の被験者のデータセットを用いて,各HMMに行ったleave-one-out交差検証。煙吸入の認識では,HMMによる認識された最も高い平均リコール,精密及びF スコアは,それぞれ42.39%,88.19%および56.38%であった,以前に報告されたサポートベクトルマシンに対する再現率7.3%の改善を提供した。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： *煙 ,  空気流 ,  *隠れMarkovモデル ,  キャラクタリゼーション ,  呼吸器 ,  *吸入 ,  サポートベクトルマシン ,  喫煙
準シソーラス用語： 再現率 ,  スコア ,  被験者 ,  非喫煙 ,  時間情報 ,  一回呼吸量 ,  ウェアラブルシステム , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  信号理論  (ND02020G) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 隠れMarkovモデル ,  タバコ煙 ,  吸入