文献

J-GLOBAL ID：201702279457521301   整理番号：17A0922532

慣性計測ユニットを用いたアンサンブル学習と適応的特徴量に基づくスイミングスタイル分類

Swimming Style Classification Based on Ensemble Learning and Adaptive Feature Value by Using Intertial Measurement Unit

著者 (11件)： OMAE Yuto (National Inst. Technol., Tokyo Coll., Tokyo, JPN) ,  KON Yoshihisa (Nagaoka Univ. Technol., Niigata, JPN) ,  KOBAYASHI Masahiro (Nagaoka Univ. Technol., Niigata, JPN) ,  SAKAI Kazuki (Nagaoka Univ. Technol., Niigata, JPN) ,  SHIONOYA Akira (Nagaoka Univ. Technol., Niigata, JPN) ,  TAKAHASHI Hirotaka (Nagaoka Univ. Technol., Niigata, JPN) ,  AKIDUKI Takuma (Toyohashi Univ. Technol., Aichi, JPN) ,  NAKAI Kazufumi (National Inst. Technol., Toba Coll., Mie, JPN) ,  EZAKI Nobuo (National Inst. Technol., Toba Coll., Mie, JPN) ,  SAKURAI Yoshihisa (Sports Sensing Co., Ltd., Fukuoka, JPN) ,  MIYAJI Chikara (Univ. Tokyo, Tokyo, JPN)
資料名： Journal of Advanced Computational Intelligence and Intelligent Informatics  (Journal of Advanced Computational Intelligence and Intelligent Informatics)
巻： 21  号： 4  ページ： 616-631  発行年： 2017年07月20日 
JST資料番号： F1398A  ISSN： 1343-0130  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 本論文は,水泳能力向上支援システムを構築した。課題は,スイミングスタイル(背泳ぎ,平泳ぎ,蝶,前のクロール)の自動分類であるが,従来研究の主流スイミングスタイル分類手法は,非アンサンブル学習に基づいている為に,平泳ぎとバタフライが混ざり合っている。一般化性能を向上させる為には,従来よりも優れた分類子とより適応性の高い特徴値を使用する必要がある。本研究は,1,アンサンブル学習手法の1つであるランダムフォレスト手法と,2,平泳ぎとバタフライに特有の特徴量を導入し,この問題を解決した4つの水泳型分類器を構築した。スイミングレース歴が7年から20年の被験者から,スイミング中のセンサデータを取得し,データを学習データとテストデータに分類し,体の動きを表す特徴量にも変換した。ここでは,これらの身体運動を表す特徴値から,平泳ぎとバタフライに特有の4つのスイミングスタイルと特徴量を分類する為の重要なデータを選択し,スイミングスタイル分類器を構築する為に学習データを使用し,その分類精度を評価する為にテストデータを使用した。評価結果は,1,アンサンブル学習の導入により,平泳ぎとバタフライのF値の平均値が0.053向上し,2,平泳ぎとバタフライに特有の特徴量の導入により平均値が改善された(1)と比較して,F値は0.121であった。本提案のスイミングスタイル分類器は,4つのスイミングスタイルについて平均F値0.981を実施した外,フロントクロール及びバックストロークに対する良好な分類精度を得た。従って,本構築のスイミングススタイル分類器は,平泳ぎとバタフライが混合した問題を解決しただけでなく,全ての異なるスイミングススタイルを適切に分類出来ると結論付けた。(翻訳著者抄録)

シソーラス用語： *水泳 ,  *型 ,  *計測器 ,  *機械学習 ,  *情報 ,  計算機利用システム ,  計算機アルゴリズム
準シソーラス用語： *スイミング ,  *スタイル ,  *慣性計測ユニット ,  *アンサンブル学習 ,  *特徴量 ,  支援システム ,  ランダムフォレスト

分類 (4件)： 計測機器一般  (AD02000X) ,  競技場,展覧会場,記念建造物,その他  (RB05070C) ,  人工知能  (JE08000Z) ,  数値計算  (JE02000J)

引用文献 (13件)：

• MEXT, “Decision of the Target Sports on Summer Olympics,” http://www.mext.go.jp/b_menu/houdou/27/04/1356716.htm, [Accessed February 8, 2016]
• Y. Omae, Y. Kon, K. Sakai, H. Takahashi, T. Akiduki, C. Miyazi, Y. Sakurai, N. Ezaki, and K. Nakai, “Supporting Environment to Coach Swimmer by Data-driven Approach,” JSME Symp.: Sports engineering and Human Dynamics 2015, A-14, 2015.
• Y. Kon, Y. Omae, K. Sakai, H. Takahashi, T. Akiduki, C. Miyazi, Y. Sakurai, N. Ezaki, and K. Nakai, “Swimming Style Classification for Developing System of Swimming Performance and Technique Evaluation,” JSME Symp.: Sports engineering and Human Dynamics 2015, A-15, 2015.
• Y. Ohgi, K. Kaneda, and A. Takakura, “A swimming style prediction using the chest acceleration,” Symp. on Sports and Human Dynamics 2012, pp. 98-103, 2012.
• W. Choi, J. Oh, T. Park, S. Kang, M. Moon, U. Lee, I. Hwang, and J. Song, “Mobydick: An interactive multi-swimmer exergame,” The 12th ACM Conf. on Embedded Network Sensor Systems, pp. 76-90, 2014.

タイトルに関連する用語 (7件)： 慣性計測ユニット ,  アンサンブル学習 ,  適応 ,  特徴量 ,  スイミング ,  スタイル ,  分類