情報技術およびソフトウェア工学ジャーナル
オープンアクセス

概要

行動認識のための機械学習分類モデルの比較研究

モフセン・ナビアン

アクティビティ認識 (AR) システムは、携帯電話やスマート ウェアラブル向けに開発された機械学習モデルで、歩く、立つ、走る、自転車に乗るなど、さまざまなリアルタイムの人間のアクティビティを認識します。この論文では、ロジスティック回帰、サポート ベクター マシン、K 近傍法、ナイーブ ベース、決定木、ランダム フォレストなど、いくつかのよく知られた教師あり学習モデルと教師なし学習モデルのパフォーマンス (精度と計算時間) をデータセットで検証します。ランダム フォレスト モデルは、99 パーセントを超える精度で他のモデルよりも優れていることが示されています。PCA は、1 つの隠れ層を持つ人工ニューラル ネットワークと SVM モデルのパフォーマンスを精度と時間の両方で大幅に向上させましたが、PCA は実行時間の増加と予測精度の低下によって、ランダム フォレスト モデルや決定木モデルに悪影響を及ぼすことが示されています。