Human activity recognition employing compatibility-based classifier personalization
要約
- 人間の行動認識に関する研究論文の要約
- ウェアラブルデバイスのセンサーや制御、分析機能の発展により、個々の行動履歴が常に更新されている
- これらのデータを利用してユーザーの行動を自動的に識別し、分析することは研究や産業（スポーツ、医療、作業支援など）で興味を引く
- 機械学習手法を使用して注釈付けや識別のための多くの異なる個人やシナリオから収集されたデータをスマートラボ環境で適用することができるが、このプロセスは費用と時間と労力がかかる
- 実験のシナリオが実際に行われるタスクの複雑さに十分に対応していない場合がある
- その前に、個々の基盤データに基づいて分類器を構築した。これらの分析器は多くの異なる種類のデータセットやアクションタイプでテストされている
- 行動認識では、通常、すべての人に適合する1つのモデルが構築されるが、すべての人をカバーする十分な異種データがないため、一般的に一般化性能が低い
- この論文では、特定の人との互換性に基づく分類器の個人化の有効性を検討した（CbCP）
- CbCPでは、認識システムの初期化段階で、新しいユーザーに最も適した分類器が候補分類器のプールから選択される
- この論文の主な目的は、ユーザーの活動を認識する精度を向上させる新しい方法を提案すること
- この方法は、彼らと最も馴染み深いと考えられるデータに基づいて構築された分類器に基づいており、これを個人化と呼ぶ
- 分類パフォーマンスへの影響、つまり分類器の形成（階層的および粒度）について調査した
- システムのブースティングとして、対象ユーザーからデータを収集する必要があり、活動のランキングを考慮して最も効果
- 5.3.1 方法論
- 方法論の説明
- 5.3.2 データセット固有の設定
- データセットに関する設定の説明
- 5.4 結果と議論
- CbCPの限られた活動の影響
- 有効な活動サブセットのサイズ変更の影響
- 有効性尺度の計算方法
- 複数互換性クラシファイアの処理方法
- 5.5 要約
- 要約
- 6 結論
- 結論
- 図表
- 分類特徴
- 相関係数に基づく分類特徴
- 互換性メトリクスの例
- 実験で使用されたデータセットに関する情報
- 個々のF-メジャー（PAMAP2）
- 個々のF-メジャー（WISDM）
- 個々のF-メジャー（DaLiAc）
- 各データセットの活動グループ化
- フラットと階層的クラシファイアの個々のF-メジャー（PAMAP2）
- 統計的テストによる判断とOFAとCbCPベースのクラス分類の平均ベースの比較（PAMAP2）
- 統計的テストによる判断とCbCPベースのクラス分類の異なるグループ化戦略の平均ベースの比較（PAMAP2）
- フラットと階層的クラシファイアの個々のF-メジャー（WISDM）
- 統計的テストによる判断とOFAとCbCPベースのクラス分類の平均ベースの比較（WISDM）
- 統計的テストによる判断とCbCPベースのクラス分類の異なるグループ化戦略の平均ベースの比較（WISDM）
- フラットと階層的クラシファイアの個々のF-メジャー（DaLiAc）
- 統計的テストによる判断とOFAとCbCPベースのクラス分類の平均ベースの比較（DaLiAc）
- 統計的テストによる判断とCbCPベースのクラス分類の異なるグループ化戦略の平均ベースの比較（DaLiAc）
- DaLiAcケースのアクティビティの分類結果
-
- 携帯可能なデバイスやウェアラブルデバイスは、その計算および処理能力の向上により、フィットネス、スポーツ、医療、仕事のパフォーマンス管理など、様々な分野で注目を集めている。
- 機械学習やディープラーニング技術は、特定の時間の活動ラベルを識別するために使用され、一般的にはあらかじめデータセットからトレーニングされた認識モデルが使用される。
- 個人固有の特性により、ユーザーに適した認識システムを構築することが課題となっている。
- 本論文では、ユーザーの負担を減らすための分類システムの性能を向上させる方法が提案されており、その実験結果が報告されている。
- 人間の活動認識において、他のユーザーとの関係から最も適した分類器を形成する新しいアイデアが示されている。
- アクティビティ認識システムの構築において、データの提供に必要なユーザーの努力を最小限に抑えつつ、分類性能を確保する方法が提案されている。
- アクティビティ認識のための典型的なシステムの構築手順が図示されており、データ収集、データ処理、特徴抽出、モデルトレーニング、分類、アプリケーション利用の６つのブロックに分かれている。
この要約が役立つことを願っています。もしご不明な点がありましたら、お知らせください。
- ユーザーに圧力をかけず、プライバシーの問題なくシームレスに機能するアプローチが提案されている。HAR研究でよく用いられる個人の特性には、暗黙の行動と明示的な行動がある。暗黙の行動は生理学的な信号を、明示的な行動は顔の表情、身体のジェスチャー、音声などのデータを用いる。生理的な信号に基づくHARは、似た姿勢や似た身体的特性を持つ個人依存の活動を区別するための有益なアプローチである。前処理では、データのノイズやサンプルの不均衡などが考慮され、データの変換や正規化などの手法が適用される。特徴の抽出では、時間領域と周波数領域の両方で特徴が計算され、これらの特徴は機械学習技術に基づいて選択される。評価指標としてはF-値、再現率、精度、正解率などが一般的に用いられ、k分割交差検証法がモデルの検証に用いられる。個人の日常生活活動の認識においては、個々の違いに対処するためのロバストなシステムの開発が必要であり、個人に依存したアプローチや個人に独自のモデルを適用する研究が行われている。
- 2.4.3 ハイブリッドアプローチ
- 実生活のシナリオでは、活動はしばしば他の活動に続いて現れる。このため、単一の活動を他の活動と関連して調査し、分類システムの全体的な性能を向上させるための構造（分類器）の研究が必要である。
- 分類器はフラットアーキテクチャを持ち、各クラスが異ならない15の人間活動認識が1つの層に集約されている。
- 一方、階層的アプローチでは、活動が異なる層に分割されている。
- 姿勢ベースのグループ化は、ビデオや画像ベースの活動認識研究で使用され、姿勢、活動、洗練された活動を組み合わせて意味のある定義を形成する。
- グループ化された活動には、家庭内、キッチンタスク、スポーツ（トレーニング）タスク、運動タスクなどが含まれる。
- さらに、関連活動に基づいて活動を定義する研究もある。
- Siirtolaらは、増分学習の考えに従い、さまざまなアルゴリズムに基づいて分類器を構築した。
- 2.4.4 アクティブラーニング
- 認識結果の性能を向上させるために、アクティブラーニング、変換学習、アンサンブル学習が導入される。
- Gomesらは、センサーから得られたデータをユーザーが注釈付けする対話的な方法を提案し、これにより徹底的にユーザー依存のモデルを認識することが可能になる。
- Manniniらは、アクティビティの4つのグループ型を認識し、ユーザーとのインタラクションによってラベル付けされたデータを使用して分類器を更新した。
- Manniniらは、若者のデータをトレーニングに含め、若者の活動の単一の分割に基づいて機能を構築し、提案を評価した。
- Zhaoらは、ハイパーパラメータ適応に基づいたメソッドを提案し、これにより決定木のしきい値をユーザーによって無監視でカスタ
- 既存の活動と文脈認識に関する研究[3]、[75]、[41]と合わせて、身体に取り付けられた3つの加速度計のx、y、z軸から9つの特徴と、心拍センサーから83の特徴が計算される。
- WISDMデータセットには、日常生活の一般的な活動の加速度データが含まれており、36人の6つの日常活動が収集されている。
- DaLiAcデータセットには、19人が13の日常活動を行う際の慣性センサーデータが含まれており、4つのIMU（3軸加速度計と3軸ジャイロスコープ）が使用されている。
- CbCP（Compatibility-based Classifier Personalization）の効果について、PAMAP2、WISDM、DaLiAcのデータセットを使用して比較評価が行われた。
- CbCPの優越性は、PAMAP2データセットにおいてOFAC（One-For-All Classifier）に対して有意な差がないことが示された。
- CbCPの効果は、データセットの訓練サイズの違いによるものであり、トレーニングデータの収集数が多いほど正確な分類に寄与する。
- CbCPの効果をより詳細に理解するために、階層的なクラス分類器の構造と形成について調査が行われた。
- 階層的CbCPは、より具体的な活動グループごとに互換性のあるクラス分類器を見つけることが期待される。
- DaLiAcデータセットにおけるグループ化戦略は、DaLiAc、METs、State、Motion-partsの4つのケースでテストされます。
- METsは、Metabolic Equivalents（METs）に基づいて指定され、3つのグループが定義されます。
- Stateには静的状態と動きが含まれ、Motion-partsは主要な身体部位によって異なります。
- 各データセット内で、100本の木を持つRandomForest分類器が使用されます。
- パフォーマンスの最終指標である平均F-測定値は、各データセット内のクラスの総数で重み付けされます。
- PAMAP2、WISDM、DaLiAcデータセットにおける個々のF-測定値が示され、OFAとCbCPの効果を評価するためにWilcoxon符号順位検定が行われます。
- WISDMデータセットでは、CbCPが効果的なアプローチであり、体の動きの程度に基づいた階層的分類器形成が特に効果的であることが示唆されます。
- DaLiAcデータセットにおいても、グループ化戦略に関するWilcoxon符号順位検定が行われ、グループ化戦略がCbCPベースの分類の性能に影響を与えることが示されます。
- CbCP（Compatibility-based Classifier Selection for Personalization）において、階層と粒度を調査した。データセットにおいて、利用者の身体活動レベルによって自転車の利用方法が異なることが示された。
- さらに、各低レベル分類器の最適な特徴量セットを選択することで、分類の性能が向上する可能性があることが示された。
- 候補分類器の粒度についても調査され、複数の人のデータを使用することで、単一の人のデータを使用するよりも優れた性能が得られることが示された。
- さらに、候補分類器の形成において、すべての提供されたデータを使用する（OFA）が必ずしも最善の選択肢ではないことが示された。
- 新たなユーザーが全ての活動を行う必要があることを考慮し、活動の制限を行うことで、候補分類器の個人化が可能であることが提案された。
- 活動サブセットA0によって決定される最も互換性のある分類器はKA0と呼ばれる。
- KA0に含まれる候補者が最も高い互換性を持つ場合、複数の互換性の高い分類器を扱うための適切な方法が必要となる。
- 3つの方法が提案された: (1) ランダム選択、(2) 平均互換性参照、および(3) アンサンブル分類。
- 2つの候補分類器が活動サブセットA0に関して同じ互換性を持つ場合、ランダム選択アプローチは比較的直接的。
- 平均互換性参照は決定論的な方法で、通常の人口に対する互換性を想定している。
- アンサンブル分類方法は、すべての候補者を使用し、重み付きと重みなしの2つの方法が提案されている。
- 活動の効果的なランキング方法として、差に基づくアプローチと相関に基づくアプローチが導入されている。
- オフライン実験により、相関に基づく方法と平均互換性参照が最も望ましい結果であることが確認された。
- LOPO-CVを使用して、特定の活動の効果を評価するためのメトリックを計算するためのスキームが導入されている。
- 相関に基づくアプローチは、差に基づくアプローチとは異なり、分類器を指定する必要がない。
- 実験の目的は、CbCPの有効性、活動のランキング方法、および複数の互換性のある候補者を扱う方法の有効性を評価することである。
- セクション5.3で提案された方法によって評価されている。活動のサブセットA0は、最も効果的なものから順に拡張される。したがって、L個の活動が認識の対象となる場合、A0のサイズは1からLまで変化する。サイズLは、すべての活動が使用される特別なケースであり、つまりA0 = Aであり、ユーザーにとって最も負担がかかる。削減された活動サブセットを使用した分類性能がOFA分類器を使用した場合よりも高い場合、CbCPは良い分類結果を得るための実行可能な解決策であることが証明される。第二の目的に関して、差分ベースの有効な活動推定と相関ベースの推定を比較する。第三の目的は、セクション5.3で提示された複数の分類器の処理方法を比較する。実際に分類性能を評価するために、テストに使用される人物のデータは、候補の分類器のトレーニングや有効な活動の検索のプロセスに使用されない。候補の分類器は、テストの対象となる人物のデータを組み合わせて生成される。F-測定値は、再現率と適合率の調和平均であり、再現率は真陽性の数（つまり正しく分類されたケース）を総陽性ケースの数で割ったものであり、適合率は真陽性の数を陽性と分類されたケースの総数で割ったものである。PAMAP2およびDaLiAcデータセットを使用して提案された方法の適用可能性を調査する。PAMAP2では、LOPO-CVスキームが使用され、データの6人分をテストに使用し、残りの1人分のデータをテストに使用する。DaLiAcデータセットでは、13人のグループが6人のトレーニンググループと7人のテストグループに分かれる。これにより、候補の分類器の数は63になる。この数字はテーブル5.1で要約されている。CbCPの有効活動のサブセットのサイズを変更することで、分類性能がどのように影響するかについて議論する。PAMAP2とDaLiAcデータセットに対応するF測定値は、それぞ
- PAMAP2データセットでは、CbCPの値は0.921であり、OFAの0.898よりも高い。これは、ユーザーがシステムの使用開始時にすべての活動のデータを提供する場合、CbCPが従来のアプローチよりも効果的であることを意味する。
- 活動サブセットのサイズが増えるにつれ、パフォーマンスはOFAを上回る。これは、CbCPのブレークイーブンポイント（BEP）と考えられる。
- ENS_UWとENS_WのBEPは、3つの活動の場合に観測され、F-測定値は0.901である。言い換えれば、より高いパフォーマンスを得るには3つの活動が必要である。
- 活動の選択は、掃除機をかける、横になる、アイロンをかける、サイクリングなど、ユーザーにとって簡単で負担の少ないものであるべきである。
- DaLiAcデータセットでも同様の傾向が見られる。ENS_UWとENS_WのBEPは4つの活動の場合に見られ、活動サブセットには、歩行、トレッドミルランニング、縄跳び、横になるが含まれる。
- 有効性メトリックの計算方法には異なる方法があり、相関ベースアプローチがより早くBEPに到達する傾向がある。
- 多重互換性分類器の処理方法には、ランダム選択、平均互換性参照、重み付きおよび重みなしのアンサンブル分類がある。
- CbCPはOFAアプローチを上回り、相関ベースアプローチはBEPにより速く到達する。
- 分類器選択プロセスで見つかる互換性分類器の数は、平均して2以下である。
- 相関ベース活動有効性推定と平均互換性参照の組み合わせが推奨される。
（※全体の要約にはスペースが足りないため、文章を複数に分けて要約しています。）
- この研究は、個々のユーザーを認識するためのデータセットを収集することが重要であり、そのためにはユーザーに負担をかけずに少ないデータ提供で高いパフォーマンスを発揮する分類器を構築する必要があるという課題を解決しようとしています。
- また、ユーザー固有のアプローチとユーザー非依存のアプローチがあり、ユーザー非依存のアプローチはパフォーマンスを維持することが課題です。
- この研究では、Compatibility-based Classifier Personalization（CBCP）というメソッドを提案し、このメソッドの効果を検証しました。
- 結果として、CBCPはさまざまなユーザーと活動の方法を持つ一般的なデータセットでポジティブな効果を示しましたが、ノンヒエラルキカルな分類器には影響がなかったという結果もあります。
- 今後の課題としては、他の分類方法のテストや、パラメータの自動識別などが挙げられます。
- 2014年のIEEE国際ペルベイシブコンピューティングおよびコミュニケーションワークショップに関する論文があり、持続可能な生活のための普及型ストレス認識について述べている。
- 2019年に発行されたセンサーズ誌の論文では、軍用のウェアラブルデバイスに関する研究が行われており、マルチレベル融合フレームワークに基づくシステム分析が行われている。
- 2018年のバルト電子会議で発表された論文では、スマートワークウェア向けの転倒検知および活動認識システムについて述べられている。
- 2014年の「Personal and Ubiquitous Computing」誌には、習慣のある生物のための活動認識に関する論文が掲載されている。
- 2016年に発行された「Pervasive and Mobile Computing」誌には、大規模なテキスタイル圧力センサーアレイを用いた活動認識に関する論文がある。
- 2016年に発行された論文では、スマートフォンセンサーを使用した建設作業員の生産性分析について述べられている。
- 2015年のIEEE国際ペルベイシブコンピューティングおよびコミュニケーションワークショップに関する論文では、マルチメディアとウェアラブルセンシングを使用した農業活動トレーニングについて述べられている。
- 2016年のIEEE国際ペルベイシブコンピューティングおよびコミュニケーション会議に関する論文では、ウェアラブルデバイスの位置認識に焦点を当てた活動認識について述べられている。
- 2013年の「Ecological Informatics」誌には、種の加速度計データに対するWebベースの意味タギングと活動認識システムに関する論文が掲載されている。
- 2019年のICIEVとicIVPRの学会で発表された研究では、活動認識における互換性ベースの分類器の個人化について述べられている。
- University of Waikato Machine Learning Groupは、Javaでのオープンソース機械学習ソフトウェアWeka 3に関する情報を公開している。
- 体力活動モニタリングのための新しいデータセットの作成とベンチマーキングについての論文が2012年にACM International Conference Proceeding Seriesで発表された。
- 携帯電話の加速度計を使用した活動認識に関する研究が2011年にACM SIGKDD Explorations Newsletterで発表された。
- HASC2011corpusに関する論文が2011年のUbiquitous Computingの国際会議で発表された。
- 2008年に米国保健福祉省が発表した「アメリカ人のための身体活動ガイドライン」についての情報が提供されている。
- 2013年にIEEE Communications Surveys and Tutorialsで発表された研究では、着用センサーを使用した人間の活動認識に関する調査が行われている。
- Energies誌に2020年に掲載された研究では、変圧器油の界面張力予測のための2層アンサンブルベースのソフト投票分類器について述べられている。
評価
この論文は、ウェアラブルデバイスからのデータを用いて人間の行動を認識・分析する方法について探求しています。新技術の発展により、個々の行動履歴が常に更新され、これらのデータを活用することで、ユーザの行動を自動的に識別、分析する可能性が広がっています。しかしながら、一般的にモデルはすべての人に適用するもので、一般化性能が低いという課題があります。
この問題を解決するため、論文では、特定の人との互換性に基づく分類器の個人化の有効性を検討しています。これは、新しいユーザーに最も適した分類器が選択されるというもので、ユーザーの活動を認識する精度を向上させることを目指しています。この分類器は、ユーザーと最も馴染み深いデータに基づいて構築されるため、個人化されたものといえます。
さらに、分類器の形成（階層的および粒度）についての調査、活動のランキングを考慮したデータ収集の必要性など、システムのブースティングについても触れています。また、実験結果と議論のセクションでは、有効な活動サブセットのサイズ変更の影響や複数の互換性クラシファイアの処理方法などについて詳述しています。
論文は、この新しい手法が人間の行動認識の精度を向上させる可能性を示し、その方法論とデータセット設定、結果と議論を詳細に説明しています。また、分類特徴、相関係数に基づく分類特徴、互換性メトリクスの例などを図表として提供し、研究の理解を深めています。
この論文は、ウェアラブルデバイスの計算と処理能力の進歩を活用して、フィットネス、スポーツ、医療、パフォーマンス管理などの分野で人間の活動を認識するシステムの構築に向けた研究を提案しています。このシステムは、機械学習やディープラーニング技術を使用して時間の経過とともに活動ラベルを識別します。論文では、個々のユーザーの特性を考慮に入れ、ユーザーの負担を最小限に抑えつつ、分類システムの性能を向上させる方法を探求しています。
具体的には、PAMAP2、WISDM、およびDaLiAcという異なるデータセットに対して、フラットクラシファイアと階層的クラシファイアのパフォーマンスをF-メジャーで評価しています。さらに、OFAとCbCPベースのクラス分類との間の比較も行っており、これらの戦略の統計的なテストによる判断も報告しています。また、活動のグループ化と、異なるグループ化戦略の効果も調査しています。
この研究は、アクティビティ認識システムの構築における新しいアプローチを提案しており、その実験結果はさまざまなケーススタディで詳細に検討されています。このアプローチの目標は、ユーザーの努力を最小限に抑えつつ、他のユーザーとの関係から最適な分類器を形成することです。
この文章では、人間活動認識（HAR）システムの構築手順とそのアプローチについて説明しています。HARシステムは、データ収集、データ処理、特徴抽出、モデルトレーニング、分類、アプリケーション利用の6つのステップで構成されています。シームレスな機能とプライバシーの問題を解決するためには、個々の特性を考慮したアプローチが必要とされています。特に、生理的信号を利用したアプローチは、個々の行動を区別する有益な手段とされています。
データ前処理では、ノイズやサンプルの不均衡を考慮し、データの変換や正規化が行われる一方、特徴抽出では、時間領域と周波数領域の両方で特徴が計算されます。これらの特徴は機械学習技術を用いて選択されることが一般的です。
モデルの評価にはF-値、再現率、精度、正解率などの指標が一般的に用いられ、k分割交差検証法がモデルの検証に用いられます。個々の違いに対処するためのロバストなシステム開発が必要であり、個々のユーザーに対応したアプローチやモデルの適用が研究されています。
さらに、ハイブリッドアプローチについても触れられています。活動が別々の層に分割されている階層的アプローチや、関連する活動をグループ化する姿勢ベースのアプローチなどがあります。これらのアプローチは、人間の活動認識の精度を向上させるために用いられます。
本論文では、アクティブラーニングとその他の学習手法を活用して認識結果の性能を向上させる方法について議論しています。特に、ユーザーが注釈付けしたデータを活用する対話的な方法やユーザーとのインタラクションに基づくデータのラベル付け、ハイパーパラメータ適応に基づく方法などが取り上げられています。さらに、身体に取り付けられたセンサーから得られたデータを活用し、特定の活動や状況を認識する研究も参照しています。
また、WISDMデータセットやDaLiAcデータセットなど、日常生活の一般的な活動の加速度データを含むデータセットの使用が述べられています。これらのデータセットを用いて、CbCP（Compatibility-based Classifier Personalization）の効果が比較評価され、その優越性が示されています。その結果は、データセットの訓練サイズに依存し、トレーニングデータの収集数が多いほど正確な分類に寄与することが明らかになりました。また、階層的CbCPがより具体的な活動グループごとに互換性のあるクラス分類器を見つけることが期待されています。
この論文は、様々なアートのケースを4つのセットでテストし、Metabolic Equivalents（METs）を用いて3つのグループを定義します。静的状態と動きを含むStateと、主要な身体部位によって異なるMotion-partsがテストの一部です。各データセットでは、100本の木を持つRandomForest分類器が使用され、平均F-測定値がパフォーマンス指標として用いられます。
PAMAP2、WISDM、DaLiAcデータセットにおけるF-測定値は、OFAとCbCPの効果を評価するためにWilcoxon符号順位検定を用いて評価されます。WISDMデータセットでは、CbCPが有効なアプローチであり、特に動きの程度に基づく階層的な分類器形成が効果的であることが示されています。また、DaLiAcデータセットでも、グループ化戦略がCbCPベースの分類の性能に影響を与えることが示されています。
この研究では、CbCPの階層と粒度が調査され、個々の特性により自転車の利用方法が異なることが示されています。また、最適な特徴量セットを選択することで分類の性能が向上する可能性があり、複数の人のデータを用いることで単一の人のデータよりも優れた性能が得られることが明らかにされています。しかし、全てのデータを使用する（OFA）ことが最善の選択ではない可能性も示されています。
新たなユーザーが全ての活動を行う必要性を考慮し、活動の制限による候補分類器の個人化が可能であることが提案されています。これにより、最も互換性のある分類器（KA0）が決定され、KA0に含まれる候補者が最も高い互換性を持つ場合、複数の高互換性分類器を扱うための適切な方法が必要になります。そのため、ランダム選択という方法が提案されています。
この研究では、平均互換性参照とアンサンブル分類法を評価し、その有効性を確認します。これらの方法は、2つの候補分類器が同じ活動サブセットに関して互換性を持つ場合に使用されます。アンサンブル分類法はすべての候補を使用し、重み付きと重みなしの2つの方法があります。また、活動のランキング法として差分ベースと相関ベースのアプローチが導入されています。オフライン実験では、相関ベースのアプローチと平均互換性参照が最も好ましい結果をもたらすことが確認されました。さらに、特定の活動の効果を評価するためのメトリックを算出するスキームが導入されています。最終的に、提案された方法はPAMAP2およびDaLiAcデータセットを使用して適用され、評価されます。
方法とその効果について検討しています。PAMAP2とDaLiAcの2つのデータセットを用いて分析が行われ、一部のデータを学習に、残りをテストに使用しています。データセットの活動のサブセットのサイズを変更することで、分類性能がどのように影響するかを検討し、分類器の数は最終的に63になります。
- PAMAP2データセットでは、CbCPの評価値がOFAよりも高く、ユーザーが全ての活動データを提供した場合にCbCPがより効果的であることが示されています。また、活動サブセットのサイズが増えるとパフォーマンスが向上し、この点をブレークイーブンポイント（BEP）と呼んでいます。
- さらに、3つの活動を行うことで高いパフォーマンスが得られると報告しています。そして、ユーザーにとって負担の少ない活動を選択することが重要であると指摘しています。
- DaLiAcデータセットでも同様の傾向が見られ、ここではBEPが4つの活動の場合に見られました。また、相関ベースのアプローチが早くBEPに到達する傾向があります。
- 分類器の選択と処理方法についても、複数の手法が提案され、それぞれの特性と効果が議論されています。CbCPはOFAアプローチを上回るパフォーマンスを示し、分類器の選択における互換性分類器の数は平均2以下であると述べています。
- 結論として、相関ベースの活動有効性推定と平均互換性参照の組み合わせが推奨されています。
この研究は、ユーザー負担を最小化しながら高パフォーマンスな分類器を構築する課題に取り組んでいます。ユーザー固有とユーザー非依存のアプローチの間のトレードオフも認識しています。提案されたメソッド、Compatibility-based Classifier Personalization（CBCP）は一般的なデータセットでポジティブな効果を示しましたが、ノンヒエラルキカルな分類器への影響はなかった。今後は他の分類方法のテストやパラメータの自動認識などが課題となります。
また、他の関連研究として、ウェアラブルデバイス、転倒検知システム、活動認識、テキスタイル圧力センサーアレイ、スマートフォンセンサーを使用した生産性分析、マルチメディアとウェアラブルセンシングを使用した農業活動トレーニングなどが挙げられる。これらの研究は、ストレス認識、軍用のウェアラブルデバイス、スマートワークウェア、活動認識、建設作業員の生産性分析、農業活動トレーニングなどのさまざまな分野で行われています。
以下は、ウェアラブルデバイスを用いた位置認識や活動認識についての研究論文の要約です：
- 「Ecological Informatics」誌(2013年)は、動物種の加速度計データへのWebベースの意味タグ付けと活動認識システムについて述べています。
- ICIEVとicIVPRの学会(2019年)では、活動認識における互換性ベースの分類器の個人化について語られました。
- University of Waikato Machine Learning Groupは、Javaでのオープンソース機械学習ソフトウェアWeka 3について情報を公開しています。
- ACM International Conference Proceeding Series(2012年)では、体力活動モニタリングのための新しいデータセットの作成とベンチマーキングについての論文が発表されました。
- ACM SIGKDD Explorations Newsletter(2011年)では、携帯電話の加速度計を使用した活動認識についての研究が発表されました。
- Ubiquitous Computingの国際会議(2011年)では、HASC2011corpusについての論文が発表されました。
- 米国保健福祉省は「アメリカ人のための身体活動ガイドライン」(2008年)を発表しました。
- IEEE Communications Surveys and Tutorials(2013年)では、着用センサーを使用した人間の活動認識についての調査が行われました。
- Energies誌(2020年)では、変圧器油の界面張力予測のための2層アンサンブルベースのソフト投票分類器について述べられました。
和訳
![]()
1 / 1
100%
付箋を貼る場所をクリックしてください
