文献

J-GLOBAL ID：202002251847167532   整理番号：20A1196717

アンサンブル分類を用いた慢性精神障害の検出【JST・京大機械翻訳】

A Chronic Psychiatric Disorder Detection Using Ensemble Classification

著者 (4件)： Jithin V. J. (Department of Electronics and Communication Engineering, Amrita School of Engineering, Bengaluru, Amrita Vishwa Vidyapeetham, Bengaluru, India) ,  Reddy G. Manoj (Department of Electronics and Communication Engineering, Amrita School of Engineering, Bengaluru, Amrita Vishwa Vidyapeetham, Bengaluru, India) ,  Anand R. (Department of Electronics and Communication Engineering, Amrita School of Engineering, Bengaluru, Amrita Vishwa Vidyapeetham, Bengaluru, India) ,  Lalitha S. (Department of Electronics and Communication Engineering, Amrita School of Engineering, Bengaluru, Amrita Vishwa Vidyapeetham, Bengaluru, India)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1209  ページ： 173-185  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本研究の目的は,音声サンプルを用いてヒトにおいて見出されるより慢性的な精神障害である欝病を検出することである。本研究は最初に,Audio Visual and Emotional Challenge 2011(AVEC 2011)を用いたうつ病検出におけるその種類,および計算とParalgingicsチャレンジ2016(2016の比較)特徴集合を用いた。パラメータK(IBK),確率的勾配遅延(SGD)およびランダムフォレストを有する瞬間ベース分類器の単純機械学習アルゴリズムを用いたアンサンブル分類の新しい方法を,性別依存および独立システムによる投影タスクに対して提案した。実験結果は,個人の心理学的状態の決定において,AVEC2011上の2016の比較の優位性を実証した。特徴選択法を適用して,特徴ベクトルサイズを減少させ,大規模特徴集合を用いて得られたものによる抑制検出の精度を維持した。アンサンブルに基づく分類は,個々の分類器より良い精度性能を提供する。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ヒト ,  特徴選択 ,  うつ病 ,  *精神障害 ,  学習アルゴリズム
準シソーラス用語： 特徴ベクトル ,  ランダムフォレスト ,  *慢性化 ,  *アンサンブル分類 , 【Automatic Indexing@JST】

著者キーワード (6件)： AVEC2011 ,  2016年の比較 ,  アンサンブル投票分類器 ,  IBK ,  ランダムフォレスト ,  SGD

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： アンサンブル分類 ,  慢性 ,  精神障害