文献

J-GLOBAL ID：202002263110545611   整理番号：20A2640662

個人化されたデータセットを使用したスマートフォンナイーブベイズの人間活動認識

Smartphone Naieve Bayes Human Activity Recognition Using Personalized Datasets

著者 (3件)： Gadebe Moses L. (Department of Computer Science, Tshwane University of Technology) ,  Kogeda Okuthe P. (Department of Computer Science, Tshwane University of Technology) ,  Ojo Sunday O. (Department of Computer Science, Tshwane University of Technology)
資料名： Journal of Advanced Computational Intelligence and Intelligent Informatics  (Journal of Advanced Computational Intelligence and Intelligent Informatics)
巻： 24  号： 5  ページ： 685-702(J-STAGE)  発行年： 2020年 
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： 限られたデータセットでリアルタイムに人間活動を認識することは,リソースに制約のあるデバイスで可能である。しかし,サポートベクターマシン,C4.5,K最近傍法などのほとんどの分類アルゴリズムでは,人間活動を正確に予測するために大規模なデータセットが必要である。本論文では,公開されている高齢者の身体活動モニタリングデータセットと南カリフォルニア大学の人間活動から抽出されたパーソナライズされたJavaScriptオブジェクト表記データセットを使用したGaussian Naieve Bayes(GNB)アルゴリズムに基づく新しいリアルタイムの人間活動認識モデルを紹介した。本提案の手法は,個人化されたJSONトレーニングデータセットを抽出し,3軸加速度センサーデータから信号の大きさベクトルと傾斜角を使用して抽出された時間領域の特徴の12×8多次元配列に圧縮した。本アルゴリズムは,HTML5とJavaScriptを備えたCordovaクロスプラットフォームフレームワークを使用してAndroidプラットフォームに実装した。Leave-one-activity-out相互検証は,testTrainer()関数として実装され,その結果は混同行列を使用して表示した。testTrainer()関数は,本提案のGNBアルゴリズムを検証するために,カテゴリKをテストサブセットとして残し,残りのK-1をトレーニングデータセットとして残した。本提案のモデルは,圧縮された小さなトレーニングデータセットを使用するため,メモリと計算能力の点で安価である。各Kカテゴリは5回繰り返され,アルゴリズムは各テストで一貫して同じ結果を生成した。傾斜角機能を使用したシミュレーションの結果は,信号振幅のベクトル機能を使用した場合の36.9%,75%,42%,および36.9%の割合と比較して,全体的な適合率,再現率,Fメジャー,および正解率がそれぞれ90%,99.6%,94.18%,および89.51%であることを示した。シミュレーションの結果は,傾斜角データセットを使用する場合,GNBアルゴリズムがサポートベクターマシン,C4.5,およびK最近傍アルゴリズムよりも優れていることを確認および証明した。(翻訳著者抄録)

シソーラス用語： *応用プログラム ,  *方式 ,  *認識 ,  *集合 ,  オペレーティングシステム ,  解析 ,  シミュレーション ,  サポートベクトルマシン
準シソーラス用語： Android ,  アルゴリズム解析 ,  シミュレーション解析 ,  *スマートフォンアプリケーション ,  *データセット ,  *ナイーブベイズ手法 ,  *活動認識 ,  人間活動

著者キーワード (5件)： 傾斜角 ,  信号の大きさベクトル ,  リアルタイム ,  Gauss分布関数 ,  個人化されたデータセット

分類 (4件)： 経営工学一般  (KA01010C) ,  人工知能  (JE08000Z) ,  計算理論  (JB02000A) ,  計算機シミュレーション  (JE11000H)

引用文献 (34件)：

• [1] H. Ellekjær, J. Holmen, E. Ellekjær, and L. Vatten, “Physical activity and stroke mortality in women: ten-year follow-up of the Nord-Trøndelag health survey, 1984-1986,” Stroke, Vo.31, No.1, pp. 14-18, 2000.
• [2] F. B. Hu, M. J. Stampfer, G. A. Colditz, A. Ascherio, K. M. Rexrode, W. C. Willett, and J. E. Manson, “Physical activity and risk of stroke in women,” J. of the American Medical Association, Vol.283, No.22, pp. 2961-2967, 2000.
• [3] I. M. Lee, K. M. Rexrode, N. R. Cook, J. E. Manson, and J. E. Buring, “Physical activity and coronary heart disease in women: Is “no pain, no gain” passé?,” J. of the American Medical Association, Vol.285, No.11, pp. 1447-1454, 2001.
• [4] S. Zhang, “Smartphone Based Activity Recognition System,” Ph.D. dissertation, The Ohio State University, 2012.
• [5] J. W. Lockhart, T. Pulickal, and G. M. Weiss, “Applications of mobile activity recognition,” Proc. of the 2012 ACM Conf. on Ubiquitous Computing, pp. 1054-1058, 2012.

タイトルに関連する用語 (4件)： 個人 ,  データセット ,  人間 ,  活動認識