文献
J-GLOBAL ID:202102228476305234   整理番号:21A3166689

異なる検証法を用いたスノリング認識のためのFisher比に基づく効果的な特徴選択【JST・京大機械翻訳】

Effective feature selection based on Fisher Ratio for snoring recognition using different validation methods
著者 (4件):
資料名:
巻: 185  ページ: Null  発行年: 2022年 
JST資料番号: D0559A  ISSN: 0003-682X  資料種別: 逐次刊行物 (A)
記事区分: 短報  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
喫煙は閉塞性睡眠時無呼吸-低呼吸症候群(OSAHS)の重要な特性である。Snoring音は,OSAHSを自動的にスクリーニングするための非侵襲的アプローチを開発するために使用できる。本論文では,音響特性とXGBoostに基づくスノーリング検出アルゴリズムを提案した。Fisher比(FR)法を特徴選択に用い,23次元特徴集合を元の58次元特徴から抽出し,計算量を低減した。種々の訓練と試験データ分割法を用いて,提案モデルの性能を評価した。さらに,提案した方法を独立被験者訓練セットとテストセットに関する深層学習法と比較した。提案モデルによる縮小特徴集合の精度は,独立被験者訓練セットとテストセットに関して87.22%と深い学習モデル87.26%であり,試験セットに関する深い学習モデルの予測時間はおよそ238msであり,XGBoostの予測時間はおよそ58msであり,XGBoostの計算効率は深い学習モデルのものより高い。結果は,提案方法が計算コストと性能の間の良いバランスを達成することを示した。これらの結果は,OSAHSのスノーリングの迅速でリアルタイムの分類と評価のための重要な方法を提供する。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
建築音響 
タイトルに関連する用語 (2件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る