Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)

  • 2024.05a
  • /
  • Pages.37-40
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지

Behavior Classification Model Based on Graph Generation Using Time Series Structural Feature

시계열 내부 구조 기반 그래프 생성을 통한 행동 분류 모델

  • Hyuksoon Choi (Dept. of Computer Engineering, Hoseo University) ;
  • Jinhwan Yang (Dept. of Computer Engineering, Hoseo University) ;
  • Siung Kim (Dept. of Computer Engineering, Hoseo University) ;
  • Sungsik Kim (Dept. of Computer Engineering, Hoseo University) ;
  • Nammee Moon (Dept. of Computer Engineering, Hoseo University)
  • 최혁순 (호서대학교 컴퓨터학과) ;
  • 양진환 (호서대학교 컴퓨터학과) ;
  • 김시웅 (호서대학교 컴퓨터학과) ;
  • 김성식 (호서대학교 컴퓨터공학부) ;
  • 문남미 (호서대학교 컴퓨터공학과)
  • Published : 2024.05.23
Download PDF
⟨ Previous Next ⟩

Abstract

본 연구에서는 웨어러블 디바이스로부터 수집된 다변량 반려동물 행동 데이터를 처리하기 위해, GCN(Graph Convolutional Network)과 GRU(Gated Recurrent Unit)를 결합한 모델을 제안한다. 제안된 모델은 시계열 내부 구조를 활용하여 그래프 구조로 변환하고, DTW(Dynamic Time Warping) 유사도 분석을 통해 노드 간의 시간적 유사도를 기반으로 엣지를 생성한다. 실험결과로 DTW 기반 엣지 생성 방식이 유클리드 거리 및 선형 방식에 비해 더 높은 성능을 나타냈다. 본 연구는 반려동물의 행동을 정확히 분류하기 위한 효과적인 방법론을 제공한다.

Keywords

Acknowledgement

본 연구는 과학기술정부통신부와 정보통신기획평가원의 SW중심대학사업의 연구결과로 수행되었음(2019-0-01834)

References

  1. Liu, M., Li, D., Chen, Q., Zhou, J., Meng, K., & Zhang, S. (2018). Sensor q q information retrieval from Internet of Things: Representation and indexing. IEEE Access, 6, 36509-36521
  2. Romanova, A. (2023, November). Enhancing Time Series Analysis with GNN Graph Classification Models. In International Conference on Complex Networks and Their Applications (pp. 25-36). Cham: Springer Nature Switzerland.
  3. Scarselli, F., Gori, M., Tsoi, A. C., Hagenbuchner, M., & Monfardini, G. (2008). The graph neural network model. IEEE transactions on neural networks, 20(1), 61-80
  4. Chung, J., Gulcehre, C., Cho, K., & Bengio, Y. (2014). Empirical evaluation of gated recurrent neural networks on sequence modeling. arXiv preprint arXiv:1412.3555.
  5. Kim, H., & Moon, N. (2023). TN-GAN-Based Pet Behavior Prediction through Multiple-Dimension Time-Series Augmentation. Sensors, 23(8), 4157.
  6. Cheng, L., Zhu, P., Sun, W., Han, Z., Tang, K., & Cui, X. (2023). Time series classification by Euclidean distance-based visibility graph. Physica A: Statistical Mechanics and its Applications, 625, 129010
  7. Deng, Ailin, and Bryan Hooi. "Graph neural network-based anomaly detection in multivariate time series." Proceedings of the AAAI conference on artificial intelligence. Vol. 35. No. 5. 2021
  8. Bellman, R. (1958). Dynamic programming. Princeton University Press, Princeton, NJ, USA, 1, 3-25