文献

J-GLOBAL ID：201802215174967656   整理番号：18A1808760

EEG信号からのてんかん分類のためのAdaBoost変種分類器による行列因子分解【JST・京大機械翻訳】

Matrix Factorization with Adaboost Variant Classifier for Epilepsy Classification from EEG Signals

著者 (2件)： Rajaguru Harikumar (Department of ECE, Bannari Amman Institute of Technology, Sathyamangalam, India) ,  Kumar Prabhakar Sunil (Department of ECE, Bannari Amman Institute of Technology, Sathyamangalam, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICECA  ページ： 258-261  発行年： 2018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： 持続性発作により分類される長期持続性神経障害の一つはてんかんである。てんかんは,短期間の注意から重篤で長期間の発作にわたるヒト脳で生じる電気生理学的撹乱により目撃される。てんかん発作を分析し,診断する目的で,脳波(EEG)信号を使用する。EEG信号は脳の活動に関する必須データを含む代表的な信号である。EEG信号の記録は本質的に非常に長いので,データの全体量を処理することは非常に困難であり,従って次元縮小が優先されなければならない。本論文では,変分Bayes行列因数分解(VBMF)を次元縮小技術として利用し,次にそれをAdaBoost変数分類器の助けによって分類した。ここで用いたAdaBoost変数分類器のタイプは,Real Adaboost分類器である。結果は,VBMFがReal Adaboost分類器で利用されるとき,約95.52%の平均分類精度が報告されることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューロパチー ,  ヒト ,  *てんかん ,  次元縮小 ,  発作 ,  脳波 ,  変分法
準シソーラス用語： 分類精度 ,  行列因数分解 ,  てんかん性発作 ,  電気生理学 ,  持続性 ,  因子分解 ,  *AdaBoost ,  *脳波信号 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： EEG信号 ,  てんかん ,  分類 ,  AdaBoost ,  変種 ,  分類器 ,  行列 ,  因子分解