ようこそ ゲスト さん
ログイン
入力補助
English
カテゴリ
インデックスツリー
ランキング
アクセスランキング
ダウンロードランキング
その他
法政大学
法政大学図書館
インデックスツリー
資料タイプ別
学内論文
大学院紀要=Bulletin of graduate studies
法政大学大学院紀要. 理工学・工学研究科編
法政大学大学院紀要. 理工学研究科編
法政大学大学院紀要. デザイン工学研究科編
法政大学大学院紀要. 情報科学研究科編
法政大学懸賞論文優秀論文集
法政大学国際文化学部国際社会演習トランスナショナル・ヒストリー研究卒業論文集
このアイテムのアクセス数:
73
件
(
2024-12-03
23:33 集計
)
Permalink : https://doi.org/10.15002/00021950
Permalink : https://hdl.handle.net/10114/00021950
閲覧可能ファイル
ファイル
フォーマット
サイズ
閲覧回数
説明
gradcis_14_17t0022
pdf
455 KB
114
論文情報
ファイル出力
アイテムタイプ
紀要論文
タイトル
ウェアラブルデバイスにおけるデータ品質が行動認識精度へ及ぼす影響
その他のタイトル
The Impact of Wearable Data Quality on Activity Recognition Accuracy
著者
著者名
宮澤, 勇貴
著者名
Miyazawa, Yuki
言語
jpn
ISSN
24321192
DOI
https://doi.org/10.15002/00021950
出版者
法政大学大学院情報科学研究科
雑誌名
法政大学大学院紀要. 情報科学研究科編
巻
14
開始ページ
1
終了ページ
6
発行年
2019-03-31
著者版フラグ
Version of Record
抄録
This research is to examine the data quality from wearable devices and the possible impact on activity recognition accuracy. In our experiments, multiple wearables were wearied in different parts of a participant for capturing motion data in daily activities such as walking, jogging, stair climbing, stair descending, and sitting. The captured data has been brought about some quality problem when a wearable is misplaced in an improper position, and temporal problems in captured data from one and multiple devices. For a data stream from a single device, the time intervals between samples change greatly around a sampling frequency specified in a sensing program. When multiple devices are used, there exist temporal differences among multi data streams. After raw data pre-processing for certain data quality improvement by means of filtration, interpolation and normalization, we conduct a set of activity recognition with typical machine learning algorithms such as SVM, K-NN, and decision tree. The results have shown that the temporal deviations in sensed data affect the recognition accuracy. The position shift of a device can affect much on the recognition accuracy, but this affect may be mitigated when using multiple devices together for recognition. Furthermore, it is found that the proper selection of feature quantity can improve the recognition accuracy. Among the three methods, SVM doesn’t show enough flexible for testing various data situations.
資源タイプ
Article
書誌レコードID
AA12746425
インデックス
資料タイプ別
 > 
学内論文
 > 
法政大学大学院紀要. 情報科学研究科編
501 学内論文
 > 
紀要
 > 
法政大学大学院紀要. 情報科学研究科編
 > 
14
ホームへ戻る