@article{oai:ipsj.ixsq.nii.ac.jp:00228833,
 author = {中井, 一文 and 重永, 貴博 and 江崎, 修央 and Kazufumi, Nakai and Takahiro, Shigenaga and Nobuo, Ezaki},
 issue = {3},
 journal = {情報処理学会論文誌コンシューマ・デバイス＆システム（CDS）},
 month = {Oct},
 note = {バレーボールはデータ分析の対象としてよく取り上げられる競技の1つである．データ分析の対象を大別すると，個人としての運動能力，チームとしての戦略決定に関わる能力に分類できる．バレーボールの守備の種類には，サーブレシーブとスパイクレシーブがある．どちらのレシーブも，個人として分析する場合はレシーブ成功・失敗の割合，チームとして分析する場合はレシーブ成功・失敗の割合およびコートの平面空間ごとの得失点として扱われることが多い．本研究では，個人の3次元空間におけるサーブレシーブの成功・失敗のデータを取得し，守備範囲として可視化する．データ取得の際，3次元空間の各点において十分な数のサンプリングを行うことは限られた時間では難しい．そこで，機械学習によりレシーブの成功・失敗をあらわす分類モデルを作成することで，限定的なサンプリングデータから守備範囲を推定する．, Volleyball is one of the most common sports to be the subject of data analysis. Data analysis can be broadly categorized into athletic ability as an individual and strategic decision-making ability as a team. There are two types of defense in volleyball: serve-receive and spike-receive. Both types of receptions can be analyzed by measuring the percentage of successful/failed receptions. When analyzing as a team, they are often treated as the percentage of successful/failed receptions and the points scored per court plane space. In this research, data on success/failure of serve-receive in the three-dimensional space of an individual is acquired and visualized as a defensive range. When acquiring data, it is difficult to perform a sufficient number of sampling at each point in the three-dimensional space in a limited time. Therefore, a classification model that represents success/failure of a serve receive is created by machine learning, and the defensive range is estimated from limited sampling data.},
 pages = {25--35},
 title = {バレーボールのサーブレセプションにおける個人の守備範囲推定},
 volume = {13},
 year = {2023}
}