行動認識は、行動の実行に大きな変動が生じるため、依然として困難な課題の一つである。本研究では、このような問題に対処するため、階層的動的モデル（Hierarchical Dynamic Model, HDM）と呼ばれる確率モデルを提案する。本モデルはベイズ枠組みに基づき、データ系列ごとにモデルパラメータを変化させることを可能にすることで、行動の空間的・時間的変動に対するクラス内変動への適応能力を向上させている。同時に、生成学習プロセスにより、各行動クラスに特有の動的パターンを保持することができる。ベイズ推論を用いることで、分類結果における不確実性を定量的に評価でき、意思決定プロセスにおける洞察を提供することが可能となる。最先端手法と比較した実験結果から、本手法は個々のデータセットにおいて競争力のある認識性能を達成するだけでなく、異なるデータセット間での一般化能力も優れていることが示された。また、欠損値を含むデータに対する実験により、提案手法の高いロバスト性も確認された。