| 研究概要 |
大規模可視化のミドルウエアをベースに開発することで,センシングデータの時間的変化に関して空間的解像度を変更可能とするようにした.また経過時間バーを移動させることで自由にその時間変化の様子も分析できるようにした.さらにフロアーや研究室など選択された多種多様なセンシングデータ(モーション,温度,照度など)間の関連性を視覚的に認識できるように,複数種類のセンサを組み合わせて表示できるセルという単位を考え,それらを空間的に並べて表示させることで多様な次元に対応させるだけでなく,時系列データの範囲指定することで時間的解像度(曜日,時刻など)も柔軟に変更可能にすることができるようにした.
i) 有意部分の抽出とデータ粒度の均質化
連続するいくつかの時系列データをセグメントとしてまとめ,一定の長さを持つ時系列データをセグメント単位としてその後の判別処理に用いることを考えた.まずセンシングデータ(モーションセンサ)を用いた実験により複数の同時刻の短いセグメント(30秒)をクラスタリングし,さらに結果を用いて系列内の長いセグメント(30分)を対象にまとめるという二段階のクラスタリングにより,有意なデータ系列(在籍状態)を発見することができた.そのようにして見つけたデータ系列から他の手段で得た情報を用いて正解データを作った,そのデータを正解として対象となる時系列データの状態(在籍か離席か)を判定する方式を複数の分類方式(C4.5,ナイーブベイズ,k-NNなど)を適用して実験し,k-NNで95%以上の正解率を達成することができた.
|
