JP2014164383A - センサデータ統合装置、センサデータ統合方法及びプログラム - Google Patents
センサデータ統合装置、センサデータ統合方法及びプログラム Download PDFInfo
- Publication number
- JP2014164383A JP2014164383A JP2013033044A JP2013033044A JP2014164383A JP 2014164383 A JP2014164383 A JP 2014164383A JP 2013033044 A JP2013033044 A JP 2013033044A JP 2013033044 A JP2013033044 A JP 2013033044A JP 2014164383 A JP2014164383 A JP 2014164383A
- Authority
- JP
- Japan
- Prior art keywords
- sensor data
- region
- unit
- estimated value
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010354 integration Effects 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims description 37
- 230000002776 aggregation Effects 0.000 claims description 120
- 238000004220 aggregation Methods 0.000 claims description 120
- 238000013500 data storage Methods 0.000 claims description 17
- 230000004931 aggregating effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 20
- 230000007547 defect Effects 0.000 description 15
- 238000000611 regression analysis Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 10
- 206010022000 influenza Diseases 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000002265 prevention Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000037208 balanced nutrition Effects 0.000 description 1
- 235000019046 balanced nutrition Nutrition 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000002255 vaccination Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】センサデータ統合装置10において、センサデータ蓄積部11は、時空間領域に分布する複数の種類のセンサにより観測されたセンサデータを蓄積する。第1の量的集約部12−1は、センサデータ蓄積部11に蓄積されたセンサデータのうち指定された範囲の時空間領域における指定された種類のセンサデータについて母平均の信頼区間を推定して第1の推定値を出力する。第2の量的集約部12−2は、上記第1の推定値において欠損している時空間領域の近傍で観測された異種センサデータについて母平均の信頼区間を推定して第2の推定値を出力する。質的集約部13は、上記第1の推定値と上記第2の推定値との局所的な相関関係を用いて上記欠損している時空間領域の第1の推定値を補完する。
【選択図】図1A
Description
上記第2の態様によれば、要求されたセンサデータが十分に集まっていない時空間領域は、第2の量的集約手段で得た異種センサデータの母平均の分布と必要とするセンサデータの分布の局所的な相関関係から推定されるセンサ値を出力するが、異種センサの収集度合いから有効性を判断し、質的集約手段による推定に無効だと判断される異種センサデータの第2の量的集約手段での推定を省くことができる。つまり、質的集約手段を必要とする場合でも、すべての異種センサデータについて第2の量的集約手段で推定することなく、任意のサービスが必要とするセンサ値を提供できる。
上記第3の態様によれば、要求されたセンサデータが十分に集まっていない時空間領域は、第2の量的集約手段で得た異種センサデータの母平均の分布と必要とするセンサデータの分布の局所的な相関関係から推定されるセンサ値を出力するが、例えば、異種センサの値の分布を第2の量的集約手段の隣接時空間領域の統合状況や信頼区間幅の値といった途中結果から類推し、質的集約手段による推定に無効だと判断される異種センサデータの量的集約手段での推定を省くことができる。つまり、質的集約手段を必要とする場合でも、すべての異種センサデータについて第2の量的集約手段で推定することなく、任意のサービスが必要とするセンサ値を提供できる。
図1Aは、本発明の一実施形態に係るセンサデータ統合装置の機能構成を示すブロック図である。センサデータ統合装置10は、センサデータ蓄積部11、第1の量的集約部12−1、第2の量的集約部12−2、質的集約部13、要求受付部14、および結果応答部15を有する。破線の矢印は制御の流れ、実線の矢印はデータの流れをそれぞれ示す。なお、このセンサデータ統合装置10は、例えば、コンピュータとメモリ上で実行されるプログラムによっても実現でき、プログラムを記録媒体に記録することも、ネットワークを介して提供することも可能である。
第1の量的集約部12−1は、図1Bに示すように、領域分割部121、領域統合・区間推定部122、入力バッファ部123および出力バッファ部124を有し、センサデータ蓄積部11に蓄積されたセンサデータのうち指定された範囲の時空間領域における指定された種類のセンサデータについて母平均の信頼区間を推定する。
結果応答部15は、質的集約部13の推定値の結果と、欠損していない領域の第1の量的集約部12−1の推定結果を合わせたものを、センサデータ統合装置10の出力値として出力する。
図3に、センサデータ蓄積部11に格納されるレコードの例を示す。各レコードは、サンプリングの日時と位置(緯度、経度)、各センサの値から構成される。例えば、図3の1行めのレコードは、日時「2012−01−31 09:15:00」に位置(緯度「35.731」、経度「139.561」)で、温度「23.8」度、湿度は「欠損」、気圧は「1017」hPa、騒音は「50」dB、風速は「1.3」m/s2がサンプリングされたことを意味する。
要求受付部14は、指定されたセンサの種類と時空間領域の範囲の条件、時空間の最小単位の条件、及び信頼係数と信頼区間幅の条件を、区間推定の要求として受信する。なお、時空間の最小単位の条件については、要求受付部14が保持していても構わない。
図6に、信頼係数と信頼区間幅の条件の例を示す。母集団の値が区間[L、U]に入る確率を信頼係数「0.95」以上、区間幅U−Lを信頼区間幅「0.5」以下にすることを区間推定の条件とすることを示す。
先ず、第1の量的集約部12−1の領域分割部121は、要求受付部14から入力されるセンサの種類と時空間領域の範囲の条件に一致するセンサデータをセンサデータ蓄積部11から読み込み、そのセンサデータを図7に示すように時空間の最小単位に分割して入力バッファ部123に書き込む。図4に示した日時の開始「2012−01−31 08:00:00」から日時の終了「2012−01−31 12:00:00」までが、図5に示した日時の間隔「01:00:00」で4分割されている。また、位置(緯度)の開始「35.720」から位置(緯度)の終了「35.740」までが、図5に示した位置(緯度)の間隔「0.005」で4分割されている。時空間配列の各インデックス(i,j)(i=1,2,3,4、j=1,2,3,4)は、分割された各領域の番地に相当する。各インデックス(i,j)に対応する時空間配列の要素は、種類「温度」のセンサにより各領域内でサンプリングされたデータを含む、図3に示したレコードのリストである。
図8に領域統合・区間推定部122のフローチャートを示す。
ステップS2−1において、領域統合・区間推定部122は、母平均の区間推定結果を書き込むための時空間配列を、出力バッファ部124に作成する。なお、出力バッファ部124の時空間配列の大きさは、図7の入力バッファ部123の時空間配列と同じ大きさとする。そして、領域統合・区間推定部122は、未処理の領域(インデックス)を管理するための未処理領域集合を作成し、初期化段階では入力バッファ部123のうちセンサデータを含む全ての領域(インデックス)を要素とする。また、処理対象の領域(インデックス)を管理するための処理対象領域集合を作成し、初期化段階では空集合とする。
図9に領域統合・区間推定部122の領域統合前の未処理領域集合と処理対象領域集合の例を示す。図9は、入力バッファ部123の時空間配列が、図7に示したようになっていた場合に、未処理の領域(i,j)(i=1,2,3,4、j=1,2,3,4)の中から、領域(2,2)が処理対象の領域として選択されたときの様子である。
図11に、領域統合・区間推定部122の処理対象の領域と隣接領域の関係の例を示す。図11は、未処理領域集合と処理対象領域集合が、図9に示したようになっていた場合の様子である。処理対象の領域が領域(2,2)である場合の隣接領域は、領域(1,1)、領域(1,2)、領域(1,3)、領域(2,1)、領域(2,3)、領域(3,1)、領域(3,2)、領域(3,3)の計8領域である。
ステップS2−6では、領域統合・区間推定部122は、未処理領域集合から統合する隣接領域をランダムに一つ選択し、処理対象領域集合に追加する。なお、処理対象領域集合に追加した領域は、未処理領域集合から削除する。なお、ここでは、時空間的に隣接する領域間では、母平均の差があまりないことを仮定している。
第1の量的集約部12−1の出力バッファ部124の時空間配列において、時空間領域における欠損が生じているか判定する。
欠損が生じていない場合、母平均の信頼区間の幅が所定の信頼区間の幅より狭くなるまで時空間領域における隣接領域が統合され、図14に示すようにすべての時空間領域の推定値が第1の量的集約部12−1によって生成される。結果応答部15は、この第1の量的集約部12−1による推定値の結果をセンサデータ統合装置10の出力値として出力する(ステップS1−7)。
[異種センサの区間推定条件を受信:ステップS1−4]
質的集約部13は、この欠損している時空間領域を、異種センサの母平均の信頼区間の推定値を使って補完する。異種センサの母平均の信頼区間の推定値を生成するにあたり、要求受付部14は、センサの種類ごとに、時空間領域の範囲の条件と信頼係数と信頼区間幅の条件を、区間推定の要求として受信する。ここでは、センサの種類に共通して、日時「2012−01−31 08:00:00」から「2012−01−31 12:00:00」、位置(緯度「35.720」から「35.740」の時空間領域の範囲でサンプリングされたセンサデータであり、信頼係数は共通して「0.95」、信頼区間幅が「湿度」は「5」、「気圧」は「5」、「騒音」は5、「風速」は「5」とする要求を要求受付部14が受けたと仮定する。なお、この時空間領域の範囲の条件と信頼係数と信頼区間幅の条件については、要求受付部14が予め保持していても構わない。
センサデータ統合装置10では、時空間領域の範囲の条件と信頼係数と信頼区間幅の条件に基づいて、第2の量的集約部12−2によって、異種センサそれぞれの母平均の信頼区間の推定値を生成することができる。一方、処理負荷を軽減するために、第2の量的集約部12−2による各センサの推定結果をすべて生成せずに、必要な時空間領域を絞り込んだうえで推定結果生成することも可能である。絞り込む基準は、実施例1として各センサの欠損した時空間領域を用いる場合と、実施例2として各センサの隣接時空間領域の統合状況を用いる場合を挙げることができる。
各センサの欠損した時空間領域を使った絞込みでは、異種センサのうち、要求されたセンサで欠損している時空間領域と同じ時空間領域において、レコードが存在していないセンサを除く。この処理によって、異種センサのうちどのセンサのデータを質的集約部13で使うかを、第2の量的集約部12−2によって母平均の信頼区間の推定値を生成することなしに、時空間の最小単位でのセンサデータの有無のみで判断できる。
各センサの隣接時空間領域の統合状況を使った絞込みでは、異種センサのうち、第2の量的集約部12−2によって統合されて最終的に残った時空間領域の数が、要求受付部14が保持している閾値よりも少ないと見込まれるものを除く。この閾値は質的集約部13の条件と同時に受信してもかまわない。
なお、第2の量的集約部12−2による結果を質的集約部13で使うか判断する指標は、上記2つの実施例の指標に限らず、要求されたセンサ値との相関性を判断できるものであれば同様に用いることができる。また、実施例1と実施例2を併用してもよい。
質的集約部13では、図18に示すような複数種類のセンサの信頼区間推定値を計算済みのデータをレコードとし、時空間領域の数のレコードを生成する。ここで生成されたレコード群を使って欠損値を推定する。具体的には以下の手順で推定する。図19に、質的集約部13の欠損値推定のフローチャートを示す。
なお、本実施形態における変数選択型の重回帰分析は、様々な変数選択方法がその対象になるものであって、上記のL1正則化による計算に限られるものではない。具体的に一例を挙げると、各変数で回帰係数を計算して係数の絶対値の小さいものを削減する方法であってもよい。
結果応答部15は、質的集約部13から出力される推定値の結果と欠損していない領域の第1の量的集約部12−1の結果とを合わせたものを、センサデータ統合装置10の出力値として出力する。
以上述べたように、本実施形態によれば、実世界サービスの提供者が必要とするセンサデータを、そのセンサデータの収集度合いにかかわらず、利用することが可能となる。例えば、事前にサービスを特定せずにセンサデータを集めるようなユーザ参加型センシングのシステムにおいて、集まったセンサデータを整理して統合し、任意のサービスが必要とするセンサ値を提供できるようになる。さらに、途中結果を使って質的集約部13で必要とする異種センサの種類を絞り込みを進める手段によって、第2の量的集約部12−2に要する計算量と計算時間を削減することができる。
インフルエンザ予防センサと呼ぶ、インフルエンザ感染対策を喚起する実世界サービスに本実施形態に係るセンサデータ統合装置10がセンサデータを提供する場合の適用例について説明する。
インフルエンザ予防センサは、インフルエンザ予防に効果があるとされる、1)ワクチン接種、2)マスクの装着、3)バランスのとれた栄養摂取、4)外出後の手洗い、5)適度な湿度の保持、6)人ごみへの外出を控える、の6項目についてユーザの状態を把握し、ユーザにフィードバックする。この6項目のうち、5)適度な湿度の保持と6)人ごみへの外出を控える、の2項目を把握するために、センサデータ統合装置10を利用する。なお、上記の6項目に限らず、インフルエンザ感染者との接触の有無といったインフルエンザ予防に役立つ情報であればよい。
車椅子移動快適度センサと呼ぶ、車椅子での移動の快適な経路を提供する実世界サービスに本実施形態のセンサデータ統合装置10がセンサデータを提供する場合の適用例について説明する。
車椅子移動快適度センサは、車椅子を使った移動に障害となる、1)人ごみ、2)道の傾斜や段差、3)道幅、の3項目についてユーザの状態を把握し、ユーザにフィードバックする。この3項目を把握するために、センサデータ統合装置10を利用する。なお、上記の3項目に限らず、車椅子移動の快適性をはかるものであればよい。
道の傾斜や段差については、過去に車椅子のユーザが道を通過したときにどのくらい車椅子が傾いたり揺れたかを、車椅子に取り付けた加速度センサで把握することが求められる。しかしながら、すべての車椅子のユーザが加速度センサを持っているとは限らないうえに、すべての加速度センサの値が信頼できるとも限らない。そこで、本実施形態のセンサデータ統合装置10によって、車椅子で通行するのに障害となる道の傾斜や段差のある場所を判断する。日時、位置、および車椅子に取り付けた加速度の3つのセンサ値に欠損がない区間領域に関しては第1の量的集約部12−1による推定結果を出力し、欠損のある区間領域では上記のセンサデータ蓄積部11に蓄えたセンサ値(例えば、ベビーカーに取り付けた加速度や台車に取り付けた加速度)の第2の量的集約部12−2による推定結果との局所的な相関関係をもとに質的集約部13によって推定する。
赤ちゃん快適度センサと呼ぶ、赤ちゃんにとって快適な場所の情報を提供する実世界サービスに本実施形態のセンサデータ統合装置10がセンサデータを提供する場合の適用例について説明する。
赤ちゃん快適度センサは、1)赤ちゃんにとっての環境の快適性と、2)ベビーカー移動の際の快適性との2つの情報をもとに、赤ちゃんが快適に過ごせるかを把握し、ユーザにフィードバックする。1)環境の快適性については、赤ちゃんの高さでの温度や湿度が適温であり、騒音が許容の範囲内であることを把握する。一方、2)ベビーカー移動の快適性については、通行に障害となる人ごみや道の段差、傾斜を把握する。
ベビーカー移動の快適性の人ごみや道の段差や傾斜に関しては、上記の車椅子移動快適度センサと同様に推定することができる。
Claims (7)
- 時空間領域に分布する複数の種類のセンサにより観測されたセンサデータを蓄積するセンサデータ蓄積手段と、
前記センサデータ蓄積手段に蓄積されたセンサデータのうち指定された範囲の時空間領域における指定された種類のセンサデータについて母平均の信頼区間を推定して第1の推定値を出力する第1の量的集約手段と、
前記第1の推定値において欠損している時空間領域の近傍で観測された異種センサデータについて母平均の信頼区間を推定して第2の推定値を出力する第2の量的集約手段と、
前記第1の推定値と前記第2の推定値との局所的な相関関係を用いて前記欠損している時空間領域の第1の推定値を補完する質的集約手段と
を具備することを特徴とするセンサデータ統合装置。 - 前記第2の量的集約手段は、前記第1の推定値と欠損している時空間領域が同じ異種センサデータを除外する第1の絞り込みを行うことをさらに特徴とする請求項1に記載のセンサデータ統合装置。
- 前記第2の量的集約手段は、前記第2の推定値の時空間領域の数が所定の閾値に満たないと判定した場合に当該異種センサデータを除外する第2の絞り込みを行うことをさらに特徴とする請求項1又は2に記載のセンサデータ統合装置。
- 時空間領域に分布する複数の種類のセンサにより観測されたセンサデータを蓄積するセンサデータ蓄積ステップと、
前記センサデータ蓄積手段に蓄積されたセンサデータのうち指定された範囲の時空間領域における指定された種類のセンサデータについて母平均の信頼区間を推定して第1の推定値を出力する第1の量的集約ステップと、
前記第1の推定値において欠損している時空間領域の近傍で観測された異種センサデータについて母平均の信頼区間を推定して第2の推定値を出力する第2の量的集約ステップと、
前記第1の推定値と前記第2の推定値との局所的な相関関係を用いて前記欠損している時空間領域の第1の推定値を補完する質的集約ステップと
を具備することを特徴とするセンサデータ統合方法。 - 前記第2の量的集約ステップにおいて、前記第1の推定値と欠損している時空間領域が同じ異種センサデータを除外する第1の絞り込みを行うことをさらに特徴とする請求項4に記載のセンサデータ統合方法。
- 前記第2の量的集約ステップにおいて、前記第2の推定値の時空間領域の数が所定の閾値に満たないと判定した場合に当該異種センサデータを除外する第2の絞り込みを行うことをさらに特徴とする請求項4又は5に記載のセンサデータ統合方法。
- 請求項4乃至6のいずれか1項に記載のセンサデータ統合方法に含まれる各ステップをコンピュータに実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013033044A JP6002599B2 (ja) | 2013-02-22 | 2013-02-22 | センサデータ統合装置、センサデータ統合方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013033044A JP6002599B2 (ja) | 2013-02-22 | 2013-02-22 | センサデータ統合装置、センサデータ統合方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014164383A true JP2014164383A (ja) | 2014-09-08 |
JP6002599B2 JP6002599B2 (ja) | 2016-10-05 |
Family
ID=51614959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013033044A Expired - Fee Related JP6002599B2 (ja) | 2013-02-22 | 2013-02-22 | センサデータ統合装置、センサデータ統合方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6002599B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018163560A1 (ja) * | 2017-03-06 | 2018-09-13 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
US10082427B2 (en) | 2015-09-16 | 2018-09-25 | Yahoo Japan Corporation | Measurement data collecting system, terminal device, server device, measurement data collecting method, and non-transitory computer readable storage medium |
JP2020161038A (ja) * | 2019-03-28 | 2020-10-01 | 株式会社博報堂Dyホールディングス | 推定システム、推定方法、及びコンピュータプログラム |
US10878325B2 (en) | 2014-12-02 | 2020-12-29 | Samsung Electronics Co., Ltd. | Method and device for acquiring state data indicating state of user |
WO2021145286A1 (ja) * | 2020-01-14 | 2021-07-22 | 三菱電機株式会社 | 信号処理装置 |
WO2021210172A1 (ja) * | 2020-04-17 | 2021-10-21 | 日本電気株式会社 | データ処理装置、システム、データ処理方法、および記録媒体 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0785082A (ja) * | 1993-09-10 | 1995-03-31 | Nippon Telegr & Teleph Corp <Ntt> | 欠損値推定方式 |
US20050119850A1 (en) * | 2003-09-24 | 2005-06-02 | Masahumi Asano | Testing system, a computer implemented testing method and a method for manufacturing electronic devices |
US20060126127A1 (en) * | 2004-12-09 | 2006-06-15 | Stanback John H | System and method for detecting and correcting defective pixels in a digital image sensor |
US20060239580A1 (en) * | 2005-04-20 | 2006-10-26 | Bart Dierickx | Defect pixel correction in an image sensor |
JP2010142273A (ja) * | 2008-12-16 | 2010-07-01 | Omron Healthcare Co Ltd | 生体指標管理装置 |
JP2011174737A (ja) * | 2010-02-23 | 2011-09-08 | Nippon Telegr & Teleph Corp <Ntt> | 補間装置、補間方法およびプログラム |
US8310570B1 (en) * | 2008-10-08 | 2012-11-13 | Marvell International Ltd. | Repairing defective pixels |
-
2013
- 2013-02-22 JP JP2013033044A patent/JP6002599B2/ja not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0785082A (ja) * | 1993-09-10 | 1995-03-31 | Nippon Telegr & Teleph Corp <Ntt> | 欠損値推定方式 |
US20050119850A1 (en) * | 2003-09-24 | 2005-06-02 | Masahumi Asano | Testing system, a computer implemented testing method and a method for manufacturing electronic devices |
US20060126127A1 (en) * | 2004-12-09 | 2006-06-15 | Stanback John H | System and method for detecting and correcting defective pixels in a digital image sensor |
US20060239580A1 (en) * | 2005-04-20 | 2006-10-26 | Bart Dierickx | Defect pixel correction in an image sensor |
US8310570B1 (en) * | 2008-10-08 | 2012-11-13 | Marvell International Ltd. | Repairing defective pixels |
JP2010142273A (ja) * | 2008-12-16 | 2010-07-01 | Omron Healthcare Co Ltd | 生体指標管理装置 |
JP2011174737A (ja) * | 2010-02-23 | 2011-09-08 | Nippon Telegr & Teleph Corp <Ntt> | 補間装置、補間方法およびプログラム |
Non-Patent Citations (2)
Title |
---|
JPN6015052319; 倉沢 央 他5名: '不完全センサデータの重回帰における変数選択手法' 電子情報通信学会技術研究報告 USN2012-28-USN2012-55 ユビキタス・センサネットワ 第112巻,第242号, 20121010, p.149-154, 一般社団法人電子情報通信学会 * |
JPN6015052320; 山本 淳 他5名: '参加型センシングのためのデータ精度を考慮した仮想センサの提案' FIT2012 第11回情報科学技術フォーラム 学会予稿集 第4分冊, 20120821, p.17-20, 一般社団法人電子情報通信学会 一般社団法人情報処理 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10878325B2 (en) | 2014-12-02 | 2020-12-29 | Samsung Electronics Co., Ltd. | Method and device for acquiring state data indicating state of user |
US10082427B2 (en) | 2015-09-16 | 2018-09-25 | Yahoo Japan Corporation | Measurement data collecting system, terminal device, server device, measurement data collecting method, and non-transitory computer readable storage medium |
WO2018163560A1 (ja) * | 2017-03-06 | 2018-09-13 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
JPWO2018163560A1 (ja) * | 2017-03-06 | 2020-01-16 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
US11173931B2 (en) | 2017-03-06 | 2021-11-16 | Sony Corporation | Information processing apparatus, information processing method, and program |
JP6992799B2 (ja) | 2017-03-06 | 2022-01-13 | ソニーグループ株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2020161038A (ja) * | 2019-03-28 | 2020-10-01 | 株式会社博報堂Dyホールディングス | 推定システム、推定方法、及びコンピュータプログラム |
WO2021145286A1 (ja) * | 2020-01-14 | 2021-07-22 | 三菱電機株式会社 | 信号処理装置 |
JPWO2021145286A1 (ja) * | 2020-01-14 | 2021-07-22 | ||
JP7179204B2 (ja) | 2020-01-14 | 2022-11-28 | 三菱電機株式会社 | 信号処理装置 |
WO2021210172A1 (ja) * | 2020-04-17 | 2021-10-21 | 日本電気株式会社 | データ処理装置、システム、データ処理方法、および記録媒体 |
JP7409486B2 (ja) | 2020-04-17 | 2024-01-09 | 日本電気株式会社 | データ処理装置、システム、データ処理方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6002599B2 (ja) | 2016-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6002599B2 (ja) | センサデータ統合装置、センサデータ統合方法及びプログラム | |
Schmitt et al. | ssdm: An r package to predict distribution of species richness and composition based on stacked species distribution models | |
US11659368B2 (en) | Method for mobile device-based cooperative data capture | |
CN111860872B (zh) | 用于异常检测的系统和方法 | |
US20180108048A1 (en) | Method, apparatus and system for recommending contents | |
US9872125B2 (en) | Data collection and management system, data collection and management method, terminal, and management apparatus | |
US9183497B2 (en) | Performance-efficient system for predicting user activities based on time-related features | |
CN107305587A (zh) | 周边信息收集系统以及周边信息获取装置 | |
US20130262013A1 (en) | Information processing device, information processing method, and program | |
JP5437328B2 (ja) | 観測値信頼度評価装置、観測値信頼度評価方法及び観測値信頼度評価プログラム | |
US20150294223A1 (en) | Systems and Methods for Providing Information for Predicting Desired Information and Taking Actions Related to User Needs in a Mobile Device | |
JP2022511093A (ja) | デバイスメッセージフレームワーク | |
US10062034B2 (en) | Method and system for obtaining and analyzing information from a plurality of sources | |
JP2009187293A (ja) | 時系列データ解析システム、方法およびプログラム | |
CN107784046B (zh) | Poi信息处理方法和装置 | |
US20160217164A1 (en) | Sparse distributed representation of spatial-temporal data | |
US20120194342A1 (en) | Method and System for the Acquisition, Transmission and assessment of Remote Sensor Data for Trend Analysis, Prediction and Remediation | |
WO2013022561A1 (en) | System and method for identifying a path of a billboard audience group and providing advertising content based on the path | |
CN111524610B (zh) | 预测传染病的确诊人数的方法、装置、设备和存储介质 | |
JP5791555B2 (ja) | 状態追跡装置、方法、及びプログラム | |
US8983138B2 (en) | Image processing device, information storage device, and image processing method | |
KR102343374B1 (ko) | 기상기후데이터를 기반으로 한 인공지능 화장품 매출 예측 방법 및 이를 사용한 서버 | |
Abdelzaher et al. | Analytic challenges in social sensing | |
KR20160044858A (ko) | 얼굴 정보를 이용한 실종 가족 찾기 시스템 및 방법 그리고 이를 구현하는 프로그램을 기록한 기록 매체 | |
KR102242042B1 (ko) | 데이터 라벨링 방법, 시스템 및 컴퓨터 프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150120 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20151125 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160105 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160303 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160830 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160905 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6002599 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |