文献

J-GLOBAL ID：201802239734712004   整理番号：18A1598355

有効ブルセンサによる人間活動認識:リアルタイムアプリケーションのための異なる分類器の比較【JST・京大機械翻訳】

Human Activity Recognition by Wearable Sensors : Comparison of different classifiers for real-time applications

著者 (7件)： De Leonardis G. (Politecnico di Torino, Torino, Italy) ,  Rosati S. (Politecnico di Torino, Torino, Italy) ,  Balestra G. (Politecnico di Torino, Torino, Italy) ,  Agostini V. (Politecnico di Torino, Torino, Italy) ,  Panero E. (Politecnico di Torino, Torino, Italy) ,  Gastaldi L. (Politecnico di Torino, Torino, Italy) ,  Knaflitz M. (Politecnico di Torino, Torino, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： MeMeA  ページ： 1-6  発行年： 2018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： 近年,健康管理に適用される人間活動認識(HAR)システムに関心が高まっている。HARシステムは,センサのセット(加速度計,ジャイロスコープ,磁力計,心拍数センサなど)を装備したウェアラブルデバイスと,実行された活動を認識できる分類器からなる。本研究では,HARのためのユニークで統合された方法がないので,分類器の選択に焦点を合わせた。本研究の主目的は,機械学習に基づく5つの分類器の性能を比較することである。さらに,ウェアラブルでリアルタイムのHARシステムへの実装の利点と欠点を分析した。15人の若いボランティアから磁気および慣性測定ユニット(MIMU)信号を取得した。各被験者に対して,三軸加速度計,ジャイロスコープおよび磁力計から9つの信号を記録した。すべての信号を5s-ウィンドウに分割し,時間,周波数および時間-周波数領域において342の特徴を抽出するために処理した。2つの特徴選択ステップ(相関ベースと遺伝的アルゴリズム)により,特徴数を69に低減した。これらの特徴を,以下の5つの分類装置の入力として用いた。k-最近傍(KNN),フィードフォワードニューラルネットワーク(FNN),サポートベクトルマシン(SVM),ナイーブBayes(NB),および決定木(DT)。結果は,すべての分類器が90%以上の活性を正しく認識できることを示した。最良の性能はKNNによって得られた。マイクロコントローラによるその実装のための各分類器の利点と欠点を分析することは最も適切であった。実際に,この分類器は容易に実装でき,メモリと計算の必要性が低く,必要な特徴の更なる低減を可能にする。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： 磁力計 ,  心拍 ,  *センサ ,  機械学習 ,  周波数 ,  加速度計 ,  健康管理 ,  記憶装置 ,  サポートベクトルマシン ,  ジャイロスコープ ,  周波数領域
準シソーラス用語： 被験者 ,  *実時間 ,  ウェアラブル ,  *人間活動 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 人間 ,  活動認識 ,  リアルタイムアプリケーション ,  分類器