大会名称 |
---|
2009年 情報科学技術フォーラム(FIT) |
大会コ-ド |
F |
開催年 |
2009 |
発行日 |
2009/8/20 |
セッション番号 |
4G |
セッション名 |
学習 |
講演日 |
2009/09/03 |
講演場所(会議室等) |
G会場(9号館2F 922教室) |
講演番号 |
F-038 |
タイトル |
ジェスチャパターンの教師なし追加学習・認識 |
著者名 |
岡田 将吾, 西田 豊明, |
キーワード |
ジェスチャ認識, 追加学習, 教師なし学習, 時系列データ, ニューラルネット |
抄録 |
本研究では個人により表出される多種多様なジェスチャを観察によって学習・獲得することを目指し,ジェスチャより得られる時系列パターンを追加的にクラスタリングする手法HB-SOINNを提案した. HB-SOINNはHMM を特徴抽出器として用いることで、時系列長の異なるパターンを固定次元の特徴ベクトルに変換し、このベクトルをSOINNへの入力とする手法である.またHMM の出力分布に従ってパターンをサンプリング手法により生成し,これを学習データとして用いることにより、未知学習パターンへの学習強度を強める機能をHB-SOINNに追加した. ジェスチャデータセットを用いた評価実験では,追加学習型のクラスタリング手法であるAdaptive FHMMよりもクラスタリング精度(purity)や出力クラス数の点で有効性を示し、入力パターンの順序が変化しても頑健にクラスタリングを行えることを示した. さらにHB-SOINNは追加学習型のクラスタリング手法であるにも関わらず、バッチ学習型のクラスタリング手法である 階層的クラスタリング(DTW+Ward's法)よりもクラスタリング精度の点で良好であることを示した. |
本文pdf |
PDF download (771KB) |