文献

J-GLOBAL ID：201702258203612698   整理番号：17A1721490

階層的Dirichletプロセス隠れMarkovモデルを用いたヒト動力学モニタリングにおける統計的異常検出【Powered by NICT】

Statistical Anomaly Detection in Human Dynamics Monitoring Using a Hierarchical Dirichlet Process Hidden Markov Model

著者 (2件)： Fuse Takashi (Department of Civil Engineering, The University of Tokyo, Tokyo, Japan) ,  Kamiya Keita (Department of Civil Engineering, The University of Tokyo, Tokyo, Japan)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 18  号： 11  ページ： 3083-3092  発行年： 2017年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
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： ヒト動力学の理解は,様々な分野が注目されている。位置決め技術,GPSなどの普及に伴い,高空間-時間分解能と同様に低コストで得られる位置情報を容易にした。実時間における個々の位置情報を収集することにより,ヒト動力学のモニタリングが最近可能となり,動的交通制御の分野が期待されている。このモニタリングでは,ヒト動力学の異常状態を検出する重要になっている。本研究では,時系列に格子分割人口データを用いた人間動力学モニタリングの異常検出問題を定義し,この問題のための異常検出法を開発することである。筆者らが行ったレビューの結果によると,ヒト動力学モニタリングにおける異常検出の特性を考察し,時系列データの背後にある文脈的異常を検出する半教師つき異常検出問題へのこの問題を分類した。粘着性階層的Dirichlet過程隠れMarkovモデルに基づく異常検出法であるが,入力データによる潜在状態の数を推定することができるを開発した。合成データを用いた実験の結果は,提案した方法は検出率に関して良好な基本性能を持つことを示した。実グリッド集団データを用いた実験により,異常は,実際の社会的事象が生じた時期と場所を検出した。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： 位置情報 ,  交通制御 ,  位置決め ,  *隠れMarkovモデル ,  *ヒト ,  時間分解能 ,  GPS
準シソーラス用語： GPS【位置決め】 ,  検出率 ,  入力データ ,  Dirichlet過程 ,  粘着性 ,  時系列データ ,  実時間 ,  *異常検出 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (7件)： プロセス ,  隠れMarkovモデル ,  ヒト ,  動力学 ,  モニタリング ,  統計 ,  異常検出