文献

J-GLOBAL ID：202202271873290146   整理番号：22A0914309

ボディセンサネットワークに基づくKayakサイクル位相セグメンテーションのためのセンサ組合せ選択戦略【JST・京大機械翻訳】

Sensor Combination Selection Strategy for Kayak Cycle Phase Segmentation Based on Body Sensor Networks

著者 (7件)： Qiu Sen (Key Laboratory of Intelligent Control and Optimization for Industrial Equipment, Ministry of Education, and the School of Control Science and Engineering, Dalian University of Technology, Dalian, China) ,  Hao Zhengdong (Key Laboratory of Intelligent Control and Optimization for Industrial Equipment, Ministry of Education, and the School of Control Science and Engineering, Dalian University of Technology, Dalian, China) ,  Wang Zhelong (Key Laboratory of Intelligent Control and Optimization for Industrial Equipment, Ministry of Education, and the School of Control Science and Engineering, Dalian University of Technology, Dalian, China) ,  Liu Long (Key Laboratory of Intelligent Control and Optimization for Industrial Equipment, Ministry of Education, and the School of Control Science and Engineering, Dalian University of Technology, Dalian, China) ,  Liu Jiayi (Key Laboratory of Intelligent Control and Optimization for Industrial Equipment, Ministry of Education, and the School of Control Science and Engineering, Dalian University of Technology, Dalian, China) ,  Zhao Hongyu (Key Laboratory of Intelligent Control and Optimization for Industrial Equipment, Ministry of Education, and the School of Control Science and Engineering, Dalian University of Technology, Dalian, China) ,  Fortino Giancarlo (Department of Informatics, Modeling, Electronic, and System Engineering, University of Calabria, Rende, Italy)
資料名： IEEE Internet of Things Journal  (IEEE Internet of Things Journal)
巻： 9  号： 6  ページ： 4190-4201  発行年： 2022年 
JST資料番号： W2432A  ISSN： 2327-4662  資料種別： 逐次刊行物 (A)
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： 運動捕獲技術は,それらの性能を改善し,傷害リスクを低減するためにスポーツ解析に広く使用されている。ポピュラーな屋外スポーツであるカヤックは,複数の筋肉と骨格の協調,特に注意深く調査しなければならない上肢のそれらを使用する。列挙サイクルの微細時間位相セグメンテーションは,カヤカの技術を分析する際に重要な役割を果たす。伝統的ビデオ解析方法における手作業的手動位相ラベリングの問題に狙いを定めて,カヤック列挙のための自動位相分割法を機械学習アルゴリズムと組み合わせて提案する。本論文では,慣性センサとデータ融合アルゴリズムを用いて,運動選手が行っているとき,腕と体幹,左肘と右肘の間の関節角度を計算した。順列と組合せ原理に従って,角度シーケンスを9つの異なる方法で組み合わせ,4つの機械学習アルゴリズム(決定木,サポートベクトルマシン,k-最近傍,バギング集合学習)を用いて,列相分割に及ぼす種々の組合せの影響を研究した。それらの中で,位相セグメンテーションの精度は運動情報の増加とともに高くなる。腕と体幹関節角度の組合せは,3つのデータ収集ノードを必要とするだけであった。したがって,計算コストはより小さい。さらに,すべての4つのアルゴリズムは,良い分類精度(最大95.1%)を示した。結果は,幹関節角度とサポートベクターマシンアルゴリズムへの腕の組合せが,カヤック列の位相セグメンテーションのタスクをよりよく完了できることを示した。Copyright 2022 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： アルゴリズム ,  学習 ,  *セグメンテーション ,  順列 ,  捕獲 ,  ディシジョンツリー ,  録画装置 ,  *位相 ,  データ収集 ,  データ融合 ,  学習アルゴリズム ,  *センサネットワーク ,  サポートベクトルマシン
準シソーラス用語： 関節角度 ,  計算コスト , 【Automatic Indexing@JST】

分類 (3件)： 音声処理  (JE05000E) ,  信号理論  (ND02020G) ,  数値計算  (JE02000J)

タイトルに関連する用語 (7件)： ボディ ,  センサネットワーク ,  サイクル ,  位相 ,  セグメンテーション ,  組合せ ,  選択戦略