今はどこらへんかなぁ？？

久しぶりにブログ書くなぁ．


まなは今頃どこらへんかぁ？？ドイツ？スイス？


今からは，自分にかかるお金を全部自分でまかなうことが絶対です．

まぁ今まで授業料も含め色いろ世話になってきたので，当然なのかｂ

だから，バイトとか探さないとっｂｂ


授業料をまかなうためには月々5万円は稼がないといけないねｂ

平日の昼間はムリだから，平日・休日の朝を基本にやりたいと思ってる．


今は昔と違ってコンピュータの世界で食べていきたいと思ってるから，
それと重要なのが大切な人ができたのが一番の理由だね♡

一緒に生きて行きたいから，安定した暮らしができるようにがんばるｂｂ



話がそれたけど，新聞配達と朝のスーパーを考えてる．
それで月5万稼げるかわかんないけどね（笑）



研究の話じゃないねｗｗ

では，地クラが一段落してこれからの研究の方針・計画を詰めるかなｂ

◆方針
今の段階で研究の流れが2つあって，在席判定と移動の判定．

・在席判定
センサデータをある時間幅分区切った特徴量（集約値）と，そのときの状態（正解データ）を”決定木学習”させてる．
・移動の判定
同じくある時間幅分区切った特徴量（集約値）をクラスタリングして，移動の判定をする感じ．


今の段階では，どちらの特徴量（集約値）も時間幅で平均化しただけのもの．
どのような状態を経てきたのかという情報が抜けてる．

どのような状態を経てきたのかという情報が入れば，もっと正確な在席判定・移動の判定ができるのじゃないかなって思ってる．


具体的には，
1つのセンサノードから得られる時系列データをデータストリーム１つと考えてそれをある時間幅（セグメント）で区切って，それをクラスタリングする．
そして，その結果を複数のセンサノードのデータとして状態の正解データと共に決定木学習させれば，より精度のある在席判定・移動の判定ができるんじゃないかな？？


それと，こうすることで”在席判定”と”移動の判定”を一緒に考えることができると思うんだ．


課題としては，各フェーズ毎にクラスタリングするから，データの特徴が失われる可能性も多いにあるね・・データの損失と，データの集約・簡略化がいい感じでできるところがあればいいね～＾＾


◆計画
シングルストリームの時系列クラスタリングと，それからのマルチストリームの決定木学習のプログラムを来週までに．

メインは，どんな特徴量を入れれば精度のいい判定ができるかだから，”まなみたいに”サクサクッとやらんとね♪♪


・・・日記が，徒然なるままにだなぁｗｗ