センサーで計測された災害事象 ARモデルによる逐次予測尤度の移動平均の大きさにより災害の発生を判断。

各災害データからの災害判別のための特徴抽出 各災害信号をトレンド成分、極低周波成分、低周波成分に分解する。

局所的な確率差分方程式であるので、 非定常なデータに対してもデータ適応的に 対応することができる。

起こっている災害の判別 学習機械であるサポートベクターマシンを利用したマルチクラスＳＶＭによる発生災害の判別。

ジャックナイフ法による判別性能の評価 ●1次、3次の多項式カーネルとガウシアンカーネルに対して、SVMの汎化能力パラメータCを 　１０−２から１０２まで変化させた。 ●データセット数は各災害につき 　１０データセットの合計５０データセット。

●従来とは正反対の設計方式により設計された 　センサを用いたホームセキュリティシステムの 　研究開発を行った。

●多様な環境での使用に耐えられるよう、 　　■予測対数尤度による外れ値の検出、 　　■カルマンフィルタによる特徴抽出、 　　■マルチクラスSVMによる災害の判別 　という統計科学の手法を用いている。

●実環境での使用のためには、さらに多くの 　データセットの計測が必要。

Contents