文献

J-GLOBAL ID：201802224240676807   整理番号：18A0706835

機械学習ベースのステップカウンタのための特徴ランキングと選択アルゴリズム【JST・京大機械翻訳】

A Feature Ranking and Selection Algorithm for Machine Learning-Based Step Counters

著者 (4件)： Vandermeeren Stef (Department of Telecommunications and Information Processing, Ghent University, Ghent, Belgium) ,  Van de Velde Samuel (Department of Telecommunications and Information Processing, Ghent University, Ghent, Belgium) ,  Bruneel Herwig (Department of Telecommunications and Information Processing, Ghent University, Ghent, Belgium) ,  Steendam Heidi (Department of Telecommunications and Information Processing, Ghent University, Ghent, Belgium)
資料名： IEEE Sensors Journal  (IEEE Sensors Journal)
巻： 18  号： 8  ページ： 3255-3265  発行年： 2018年 
JST資料番号： W1318A  ISSN： 1530-437X  CODEN： ISJEAZ  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： 超広帯域(UWB)の位置決めは,その高い位置決め精度のために屋内位置決めのための最も有望な解決策の一つと考えられているが,2つのUWB位置更新間の時間が非常に高いために,多数のユーザによる状況の精度が低下する。これらの更新の間の位置推定を得るために,加速度計,ジャイロスコープ,および磁力計からのデータを捕捉する慣性測定装置(IMU)のような異なる技術によるUWB位置決めを組み合わせることができる。位置に基づくサービスに対するIMU出力を用いた以前の研究では,加速度計信号の周期的挙動を計数ステップに使用する。しかし,これらのアルゴリズムの大部分は,満足できる精度を得るために多重パラメータの広範囲な手動調整を必要とする。これらの実用的問題を克服するために,機械学習(ML)原理を用いたステップ計数アルゴリズムを開発することができた。本論文では,MLを用いた加速度計ベースのステップカウンタを考察した。このようなアルゴリズムの性能と複雑さは訓練と推論フェーズで用いられる特徴に依存するので,採用された特徴の適切な選択が重要である。したがって,本論文では,新しい特徴選択アルゴリズムを提案した。そこでは,まず,それらのBhattacharyya係数に基づいて特徴をランク付けし,次にこれらのランク付けされた特徴の部分集合を系統的に構築する。本論文では,3つのランキング手法を比較し,実験セットを用いて異なるMLアルゴリズムに対するアルゴリズムを適用した。評価した組合せの性能は,異なるMLアルゴリズムに対してわずかに変化するが,それらの性能は,手動でパラメータを調整する必要がなく,最先端のステップカウンタに匹敵する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 位置決め ,  位相 ,  多重化 ,  手動制御 ,  特徴選択 ,  等級づけ ,  *アルゴリズム ,  ジャイロスコープ ,  磁力計 ,  *機械学習 ,  加速度計
準シソーラス用語： 計数 ,  位置推定 ,  屋内位置決め ,  位置決め精度 , 【Automatic Indexing@JST】

分類 (1件)： 時間,速度,加速度,角速度の計測法・機器  (AD05040K)

タイトルに関連する用語 (4件)： 機械学習 ,  カウンタ ,  特徴ランキング ,  アルゴリズム