Personal sleep pattern visualization using sequence-based kernel self-organizing map on sound data

ما یک روش برای کشف الگوهای خواب با استفاده از خوشه بندی رویدادهای صوتی ثبت شده در طول زمان خواب پیشنهاد می کنیم. روش پیشنهادی، الگوریتم نقشه خود سازگار معمول خود را با استفاده از هسته سازی و تکنولوژی های مبتنی بر دنباله گسترش می دهد تا نقشه ای زیبا را به دست آورد که تجسم توزیع و تغییرات حوادث مرتبط با خواب است. ما ویژگی های به طور گسترده ای در پردازش صدا و توابع هسته محبوب به روش پیشنهادی برای ارزیابی و مقایسه عملکرد ارائه شده است. روش پیشنهادی یک جنبه جدید نظارت از خواب را فراهم می کند، زیرا نتایج نشان می دهد که حوادث صدا را می توان به طور مستقیم با الگوهای خواب یک فرد مرتبط کرد. علاوه بر این، با تجسم انتقال پویایی خوشه، حوادث صدای مرتبط با خواب مرتبط با مراحل مختلف خواب بود. بنابراین، این نتایج به طور تجربی مطالعات آینده را به ارزیابی کیفیت خواب شخصی با استفاده از داده های صدا منجر می شود.