近年，ウェアラブルデバイスを用いた行動認識の研究が活発に行われている．現在の行動認識の課題として，認識する行動の数が多くなるほど認識精度が低くなる点が挙げられる．本研究では，階層的な認識器を用いることにより課題の解決にあたる．データは体の7か所にウェアラブルデバイスを着用し，歩行やデスクワークなど日常生活における行動データを取得した．認識器中の機械学習アルゴリズムはSVM,K-NN,決定木などを使用した．結果として，すべてのデータを一括に認識するよりも階層的な認識器を用いることによって認識精度が向上した．また，階層的な認識器の内容を変えることにより認識精度が変化することが確認できた．