ラベルの時刻ずれに対応した携帯センサ行動認識におけるクラスタリングによる特徴量境界の明確化

• Item type: SIG Technical Reports(1)
• 公開日: 2014-10-07
• タイトル: ラベルの時刻ずれに対応した携帯センサ行動認識におけるクラスタリングによる特徴量境界の明確化
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 計測・認識
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 九州工業大学
• 著者所属: 九州工業大学
• 著者所属: 日本電信電話（株）NTTコミュニケーション科学基礎研究所
• 著者名: 戸田隆道; 井上創造; 上田修功
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では携帯センサを用いた行動認識における，教師データの時刻ずれを許す認識手法において，特徴量境界を明確化して精度を向上する手法を提案する．スマートフォン等の携帯センサデバイスを用いた行動認識を行う際には，主に教師あり学習を用いるため，センサ情報と行動の種類を示すラベルが対応付けられた事例データが必要である．しかし，この対応付けは，センサ情報とともに取得された音声や動画を基にアノテーションツールなどを用いて手作業で付けられることが多いため，時刻のずれが生じる可能性がある．そのため我々はこれまでに，元のラベルを前後にすらしたラベルを複製し，複数のラベルか与えられたマルチラベルの問題として学習を行い，EM アルゴリズムによって教師テータにおける学習を繰り返し行うという手法を提案した．しかし，実際のデータにおいてこの提案手法を適用した場合，行動の変わり目などに存在する不明瞭な特徴量をもったサンプルによって，EM アルゴリズムによる学習の繰り返しにより，逆に認識の精度を低下させてしまう場合があった．本稿ではこの問題を解決するため，事前にガウス混合分布モデルによるクラスタリングを行い，行動クラスをさらなる部分クラスに分割するという手法を提案する．これによって，不明瞭な特徴量サンプルを持つ行動と明確な特徴量サンプルを持つ行動を区別することができ，そのサンプルを除外することで EM アルゴリズムにおける学習の繰り返しで中間の特徴量を持つ行動ラベルの影響を受けにくくすることができる．この手法により，実際に連続して測定された人間の行動データにおいて，認識精度を最大 34.5%向上させることに成功した．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA1221543X
• 書誌情報: 研究報告ヒューマンコンピュータインタラクション（HCI）; 巻 2014-HCI-160, 号 11, p. 1-7, 発行日 2014-10-07
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会