鋭い次元縮小とクラスタリングを用いた人間の動き検出【JST・京大機械翻訳】

Heo Jeewon; Kim Youngjoo; Roerdink Jos B. T. M.

プレプリント

J-GLOBAL ID：202202206469771999 整理番号：22P0294279

鋭い次元縮小とクラスタリングを用いた人間の動き検出【JST・京大機械翻訳】

Human Motion Detection Using Sharpened Dimensionality Reduction and Clustering

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月23日プレプリントサーバーでの情報更新日： 2022年02月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

多次元投影技術のクラスに属する鋭い次元縮小(SDR)は,高次元データの探索および視覚解析における課題に取り組むために最近導入されている。SDRは,人間の活動感覚データと天文学的データセットのような様々な実世界データセットに適用された。しかし,生成された投影から試料を手動でラベリングすることは高価である。この問題に取り組むため,ここでは,k-平均,階層的クラスタリング,雑音(DBSCAN)によるアプリケーションの密度ベース空間クラスタリング,および高次元データの2D投影を容易にラベル付けするためのスペクトルクラスタリングのようなクラスタリング法の使用を提案した。様々な動きのスマートフォン加速度計またはジャイロスコープ記録から抽出した2つの異なる公共人間活動データセットを含む,合成および実世界データセットの範囲におけるSDRおよびクラスタリング方法のパイプラインを試験した。クラスタリングを適用して,SDRの視覚クラスタ分離を定性的および定量的に評価した。クラスタリングSDR結果は,クラスタリングプレーンDRよりも良いラベリング結果をもたらし,k平均はクラスタリング精度,使いやすさ,および計算スケーラビリティに関してSDRのための推奨クラスタリング法であることを結論づける。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, , ,

前のページに戻る