|
本研究では,連続動作から得られる多次元時系列データに対し教師無しオンラインセグメンテーションを行い、得られた各セグメントに対してオンラインクラスタリングを行うことによって,基本構成要素を抽出する手法を提案する.さらに得られた構成要素列から頻出する非言語パターンをCurrent Pattern Discoveryの手法を用いることで抽出する。一般に大規模な時系列パターンからのCurrent Pattern Discoveryは計算量が大きいため、いかに計算コストを軽減して効率的にパターンを抽出するかが課題となる。本研究では計算量の低いオンラインセグメンテーション手法とオンラインクラスタリング手法を併用することで効率的に非言語パターンを抽出する手法を提案する。本研究では二段階のアプローチを用い,基本構成要素の抽出を行った.始めに,入力される多次元時系列データのオンラインセグメンテーションのアルゴリズムには,MD-SWAB(Multi-Dimensional SWAB)を、オンラインクラスタリング手法にはHB-SOINNを用いて連続多次元時系列データを基本構成要素の列に変換する.本研究で提案したセグメンテーション手法の精度を評価するため,モーションキャプチャによって取得したジェスチャデータを用いた実験を行い、提案手法の有効性を検証した。
|
