文献

J-GLOBAL ID：202002227470658439   整理番号：20A1998526

EEMDとサンプルエントロピーに基づくラウドスピーカ異常音のための特徴抽出法【JST・京大機械翻訳】

Feature Extraction Method for Loudspeaker Abnormal Sound Based on EEMD and Sample Entropy

著者 (3件)： Fang Qiaochu (College of Electrics and Information, Xi’an Polytechnic University, Xi’an, China) ,  Zhou Jinglei (College of Electrics and Information, Xi’an Polytechnic University, Xi’an, China) ,  Yan Ting (College of Electrics and Information, Xi’an Polytechnic University, Xi’an, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICTCE 2018  ページ： 105-109  発行年： 2018年 
JST資料番号： D0698C  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： スピーカ異常音をより正確に分類するために,本論文では,アンサンブル経験的モード分解(EEMD)とサンプルエントロピーを特徴抽出に用いる,特徴抽出法を提案した。サポートベクトルマシン(SVM)を用いて,提案した方法の有効性を検証した。基本的ノッチの前処理の後,スピーカ応答をEEMDを用いて分解した。固有モード関数(IMF)成分を相関分析で選択し,それらのサンプルエントロピー値を特性ベクトル構造に対して計算した。小さなサンプル条件によるスピーカ異常音の分類に焦点を合わせて,実験結果は,SVMがスピーカ異常音のために正確に分類することができ,ウェーブレットパケットとサンプルエントロピーを使用するSVMより正確で,さらに95.33%分類精度を達成したことを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 前処理 ,  *スピーカ ,  *特徴抽出 ,  有効性 ,  固有ベクトル ,  サポートベクトルマシン
準シソーラス用語： 相関分析 ,  分類精度 ,  ウェーブレットパケット ,  固有モード関数 ,  サンプルエントロピー ,  アンサンブル経験的モード分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： EEMD ,  基本ノッチ ,  スピーカ異常音 ,  サンプルエントロピー

分類 (3件)： 軸受  (QB01020W) ,  生体計測  (EL03020C) ,  信頼性  (KB04040H)

タイトルに関連する用語 (4件)： サンプルエントロピー ,  ラウドスピーカ ,  異常音 ,  特徴抽出法