文献

J-GLOBAL ID：201802233524939039   整理番号：18A2112696

複合運動-オーディオ学校のいじめ検出アルゴリズム【JST・京大機械翻訳】

A Combined Motion-Audio School Bullying Detection Algorithm

著者 (8件)： Ye Liang (Department of Information and Communication Engineering, Harbin Institute of Technology, No. 2 Yikuang Street, Harbin 150080, P. R. China) ,  Ye Liang (Health and Wellness Measurement Research Group, OPEM Unit, University of Oulu, Pentti Kaiteran Katu 1, Oulu 90014, Finland) ,  Wang Peng (China Electronics Technology Group Corporation, No. 8 Guorui Road, Nanjing 210012, P. R. China) ,  Wang Le (Department of Information and Communication Engineering, Harbin Institute of Technology, No. 2 Yikuang Street, Harbin 150080, P. R. China) ,  Ferdinando Hany (Health and Wellness Measurement Research Group, OPEM Unit, University of Oulu, Pentti Kaiteran Katu 1, Oulu 90014, Finland) ,  Ferdinando Hany (Department of Electrical Engineering, Petra Christian University, Siwalankerto 121 - 131, Surabaya 60236, Indonesia) ,  Seppaenen Tapio (Physiological Signal Analysis Team, University of Oulu, Pentti Kaiteran Katu 1, Oulu 90014, Finland) ,  Alasaarela Esko (Health and Wellness Measurement Research Group, OPEM Unit, University of Oulu, Pentti Kaiteran Katu 1, Oulu 90014, Finland)
資料名： International Journal of Pattern Recognition and Artificial Intelligence  (International Journal of Pattern Recognition and Artificial Intelligence)
巻： 32  号： 12  ページ： 1850046  発行年： 2018年 
JST資料番号： T0877A  ISSN： 0218-0014  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： シンガポール (SGP)  言語： 英語 (EN)

抄録/ポイント： 学校のbulは一般的な社会的問題であり,それは精神的および物理的に子供に影響を及ぼし,世界中における適時の話題をbul存在することの予防を行っている。本論文は,活動認識と音声感情認識に基づく学校におけるbulを検出するための方法を提案した。この方法では,運動と音声データを運動センサとマイクロホンにより収集し,それに続いて一組の運動と音声特徴を抽出し,日常生活イベントからのbul事故を識別する。抽出された動きの特徴は時間領域と周波数領域の特徴であるが,音響特徴は古典的MFCCで計算される。特徴選択はラッパアプローチを用いて実行される。次の段階において,これらの運動と音声特徴を併合して,分類のための結合特徴ベクトルを形成し,LDAを更なる次元縮小のために用いた。BPNNを訓練し,bul活動を認識し,それらを通常の日常生活活動と区別する。また,実用化のための計算の複雑さを低減するための動作遷移検出法を提案した。したがって,行動遷移事象が検出されたときには,bul検出アルゴリズムは実行されるだけである。シミュレーション結果は,結合運動-音声特徴ベクトルが分離運動特徴と音響特徴を上回り,82.4%の精度と92.2%の精度を達成することを示した。さらに,動作遷移法により,計算コストを半分に低減できる。Copyright 2018 World Scientific Publishing Company All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 特徴選択 ,  シミュレーション ,  次元縮小 ,  子供 ,  計算量 ,  *アルゴリズム ,  マイクロホン ,  *オーディオ機器
準シソーラス用語： 特徴ベクトル ,  ラッパー ,  音響特徴 ,  日常生活 ,  音声特徴 ,  *検出アルゴリズム ,  *いじめ , 【Automatic Indexing@JST】

著者キーワード (5件)： 活動認識 ,  音声感情認識 ,  移動センサ ,  学校のいじめ ,  パターン認識

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (5件)： 運動 ,  オーディオ ,  学校 ,  いじめ ,  検出アルゴリズム