肺音分類のためのスペクトル分離とロバストな類似度判定による特徴量抽出

概要

論文の詳細を見る
本論文では，肺音分類に有用なテンプレートを作成するために，大量の肺音データから良質な特徴量をふるい分ける手法を提案する．まず，FFT によりパワー・スペクトルを特徴ベクトルとして得る．次に，これらを部分的に重なる複数のグループにまとめてスペクトル分離を適用，各グループを少数の成分ベクトルの組で代表させる．こうして様々な各肺音から得られた成分ベクトルを集め，クラスタリングを多数回実行し，常に同じクラスタに属する成分ベクトル群を良質な特徴量として得る．実験では，看護師用教材CD を使い，クラスタリング結果と実際の肺音のカテゴリとを比較する．In this paper, we propose a method for extracting effective features from various lung sounds. We use those features to compose templates useful for lung sound classification. First, we obtain power spectra as feature vectors by FFT. Second, we make feature vector groups partially overlapping with each other and represent each group by a few component vectors provided by spectral unmixing. We put component vectors obtained from various lung sounds into a single set and conduct clustering repeatedly. We can regard the sets of component vectors belonging to the same cluster in all clustering results as effective features. In the experiment, we use a CD accompanying a textbook for nurses and compare clustering results with actual lung sound categories.
日本データベース学会の論文

肺音分類のためのスペクトル分離とロバストな類似度判定による特徴量抽出

スポンサーリンク

概要

著者

関連論文

スポンサーリンク