文献

J-GLOBAL ID：201702228840420936   整理番号：17A1269674

最小冗長性最大関連性を用いた人間行動認識データセットの特徴選択【Powered by NICT】

Feature selection on Human Activity Recognition dataset using Minimum Redundancy Maximum Relevance

著者 (3件)： Doewes Afrizal (Department of Informatics, Universitas Sebelas Maret, Indonesia) ,  Swasono Sri Edi (Department of Informatics, Universitas Sebelas Maret, Indonesia) ,  Harjito Bambang (Department of Informatics, Universitas Sebelas Maret, Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCE-Taiwan  ページ： 171-172  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人間活動認識は,人が行った活動を同定することを目的とした研究分野である。認識は,さまざまなソースから検索された,例えば情報を用いて行うことができる:慣性センサを用いた。,多くの人々は,これらのスマートフォン人間活動を認識する加速度計とジャイロスコープのような内蔵された慣性センサとスマートフォンを使用した。しかし,システムは,限られた処理能力を持つことをスマートフォンで適切に機能できるように最適化を認識システムの計算プロセスを最小にするために行わなければならない。本研究では最適化はデータセットで使用する特徴の数を減少させることにより行った。利用可能な公的なヒト活動認識データセットを用いて,mRMR(最小冗長性最大関連性)特徴選択法をデータセットに適用した特徴の数を低減した。本研究の結果は,データセット7:3のmRMR法を用いて,特徴の数は561から201に低減することができ,MLP分類器を用いたSVM分類器と94.23%を用いて95.15%の精度を維持しながら,ことを示した。mRMR法データセット8:2を用いたが,特徴の数は,SVMを用いた精度95.18%で561から154特徴まで低減でき,特徴の数は,MLPを用いた精度94.84%で561~211から減少させることができる。MLPのためのSVMと94%で95%であることを同じ閾値を用いて両データセット。実行時間計算のために,データセット7:3の実行時間は,MLPを用いた初期実行時間からSVMと12.63%を用いて初期時間から42.57%となっている。がデータセット8:2の実行時間は,MLPを用いた初期実行時間からSVMと14%を用いて初期時間から60.5%となっている。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ヒト ,  ジャイロスコープ ,  *冗長性 ,  スループット ,  スマートフォン ,  最適化 ,  *特徴選択 ,  加速度計
準シソーラス用語： 実行時間 ,  *行動認識 ,  慣性センサ ,  人間活動 , 【Automatic Indexing@JST】

分類 (2件)： 時間,速度,加速度,角速度の計測法・機器  (AD05040K) ,  移動通信  (ND08030H)

タイトルに関連する用語 (5件)： 冗長性 ,  関連性 ,  人間行動認識 ,  データセット ,  特徴選択