RT - Journal Article T1 - Multilevel pain recognition to analyze infant crying sound using fractal dimension features and logistic regression with a maximum likelihood classifier (Research Article) JF - joasi YR - 2021 JO - joasi VO - 9 IS - 1 UR - http://joasi.ir/article-1-194-fa.html SP - 78 EP - 90 K1 - Pain recognition K1 - Infant cry K1 - Sound processing K1 - Feature extraction K1 - Weighting voting K1 - Optimized classifier. AB - در تقابل با دیگر شیوه‌های آشکارسازی خودکار درد در نوزادان، تشخیص درد از طریق واکافت صدا برای درک وضعیت نوزاد چندان مورد توجه نبوده است. هر چند استخراج ویژگی­ های مناسب از صداهای نوزاد در زمان گریه کردن به نتایج مطلوب طبقه ­بندی منجر می‌شود، اما این مسئله مستلزم وجود دانش کافی در مورد ویژگی­ های به‌دست‌آمده و نیز انتخاب مؤثر صفات است. در این مقاله، چندین توصیف گر برای استخراج اطلاعات تفکیک‌پذیر در کنار رأی‌گیری وزنی در انتخاب ­ویژگی پیشنهاد شده‌اند. هم‌چنین، شیوه بهبودیافته درست­ نمایی رگرسیون منطقی جهت طبقه­ بندی درد به‌کار گرفته شد. شیوه پیشنهادی توسط مجموعه ای از صداهای ضبط‌شده نوزادان مورد ارزیابی‌ قرارگرفت. با استفاده از انواع مختلفی از ویژگی­ ها، بازشناختی کلی معادل 96/6 درصد در طبقه­ بندی پنج تراز مختلف از حس درد رقم خورده است. نتایج حاکی از آن هستند که طبقه ­بندی بهینه‌سازی‌شده نسبت به راه­کارهای مشابه از نظر دقت تشخیص دارای اثربخشی چشم‌گیری است. چالش­ هایی چون عدم­ قطعیت و بروز خطاهای طبقه ­بندی بالا که اغلب با اعمال داده ­های دیده نشده رخ می­دهند، به‌دلیل توانایی انطباق­ پذیری شیوه پیشنهادی حل ‌شده‌اند. تجزیه‌ و تحلیل مقایسه ­ای نشان از این واقعیت دارد که بر مبنای شیوه پیشنهادی در ترکیب با و یژگی­های ادراکی، پیشرفت چشم‌گیری در عملکرد تشخیص چندترازی حاصل شده است. LA eng UL http://joasi.ir/article-1-194-fa.html M3 ER -