抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ヒト活動認識(HAR)の信頼できて正確な方法の開発は,間違ったまたは不正確な認識がヒトの健康に有害な結果を引き起こすので,非常に重要である。野外で働く科学者は,認識精度の成果を高める方法を見つける。これを考慮して,信頼できる速度で活動の分類を行う分類器を選択することが重要である。しかし,現在存在するアルゴリズムの限界と精度レベルの固有の不足は,疑問の下で分野へのそれらの適応性を課すことができた。特に,隠れMarkovモデルは,パラメータのランダム選択の原理によって引き起こされる特定の制限を持ち,高精度でクラスを識別するのに問題がある。他の良く知られた方法は,それらの性質のため,いくつかの欠点がある。これらの問題を解決する目的で,必要な結果を確実にするために,研究領域の適切なモデルを提供する分類器のハイブリッド複合体を提案した。本研究は,ウェアラブル慣性センサを用いて,日常生活の人間の活動の分類を扱う。歩行,Lying,Standing,Stair Ascent,Stair Descent,Sittingなどがこれらの活動の例である。本研究では,12の活動を含むデータセットを3つの慣性センサを用いて作成した。Bayesネットワークと距離ベース分類器を組み合わせた分類器の2つのハイブリッド,すなわち,隠れMarkovモデルによるk最近傍とニューラルネットワークを,本研究で提示した。達成された結果を,正しい分類率,F測度,想起,精度,および特異性に関して比較する。生データと抽出した特徴を,分類器の入力として別々に使用する。異なる健常被験者によって摩耗した慣性センサユニットを,上/下体肢(胸,右大腿および左足関節)のキーポイントに置いた。本研究では,活動を推定するためのモダリティとして,加速データのみを用いた。Copyright 2020 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】