抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
近年IoTの流れを受けて,宅内データの収集と分析が盛んに行われている。しかし,正確なデータを収集するためには,高価なデバイスが必要になる。今後一般に普及することを考え,導入の容易性に着目した宅内環境を想定し,被験者実験を実施した。被験者実験で収集したデータに対して,行動推定という課題を与え,データ分析を行う。その際に,機械学習や隠れマルコフモデルなどの手法を適用し,精度向上にどう影響するのかを考察する。機械学習はSVM,Random Forestともに高い精度で行動を推定できた。また,主成分分析により次元を削減してもある程度の精度が維持可能であることも分かった。時系列データの処理としてGMM-HMMを適用したが,本実験環境では機械学習の手法に優位性があるという結果となった。実験を通して単一の特徴ベクトルに依存しているわけではないが,重要な特徴が存在することがわかった。(著者抄録)