[2G4] ロボットと実世界-感情分析・時系列分析

[2G4-04] ノンパラメトリックベイズ法に基づく時系列データの分節化

〇長野 匡隼¹、中村 友昭¹、長井 隆行¹、持橋 大地²、小林 一郎³、金子 正秀¹ (1. 電気通信大学、2. 統計数理研究所、3. お茶の水女子大学)

キーワード：教師なし学習、分節化、隠れセミマルコフモデル

本稿では，連続的な時系列データを教師なしで分節化する手法を提案する．ガウス過程(GP)を出力確率分布とした隠れセミマルコフモデル(HSMM)により，連続的な身体動作を単位動作に分節化する手法(GP-HSMM)が提案されている．しかし，GP-HSMMでは，予め分類されるクラス数を与える必要があった．そこで，階層ディリクレ過程(HDP)を導入することで，GP-HSMMをノンパラメトリックベイズモデルに拡張したHDP-GP-HSMMを提案する．提案手法では，GPから単位動作が生成され，それらが結合されることで，動作全体が生成されると考える．クラス数を階層ディリクレ過程とSlice Samplingにより決定し，Forward filtering-Backward samplingによりパラメータを推定することで教師なしの身体動作の分節化が可能となる．