MARE: Recognition and Discovery Techniques for Giving Awarenesss

点击翻译按钮获取中文摘要

不頻出事象の分析と予測を目指す一連の研究の中にあって本年度は、理論検討としてマルチラベル分類の高性能化、ロングテール分布におけるテールラベルの分析と分類、実問題として独居高齢者の異変検知の実現に向けた基礎研究を行った。詳細は以下の通りである。・マルチラベル分類ではサンプル数に極端な差がみられるロングテール分布が多く（エクストリームマルチラベル分類）、高精度分類が難しい。そこでまず本研究では、それほどラベル数が多くない問題において識別性能の向上を図った。サンプルバランスの均一化を重視する手法とラベルに依存して有効な特徴を選出する手法の2手法を検討した。結果として前者の有効性を確認した。・ロングテール分布はマルチラベル分類問題に多く見られ、特にテールラベルの予測が難しい。そこで申請者らが開発した可視化手法を利用してテールラベルを持つサンプルの分布を調査した。結果として、２種類の発生原因（既存ラベルの細分によって発生したか、新規な分類対象として発生したか）に対応した異なる分布の存在を確認したことに加え、ヘッドラベルと共起するテールラベルが多いことを確認した。・実応用として、各種センサを張り巡らしたスマートホームにおいて独居高齢者の異変を検知する研究を進めており、異変検知アルゴリズムの開発の前段階としてセンサデータ発生シミュレータを開発した。バーチャルスマートホームに住むバーチャルな住人が起こした異変をセンサー値として獲得するものである。これまでの手法と違い多くの異変を扱える上に、認知症レベルに応じて異変の発生頻度や程度が自動で変化する機能を有する。このシミュレータは１年分のセンサデータを約30分で生成でき、部屋のレイアウトや住人の行動も柔軟に変更できるため、多様な状況を短時間でシミュレートできる。