本研究では、スマートフォンを用いた人間の行動分類において、特徴ベクトルの次元削減と高精度な分類という課題に対処するため、線形判別分析（LDA）と多層パーセプトロン（MLP）を組み合わせたハイブリッド特徴抽出手法を提案する。さらに、行動分類の精度をさらに向上させるために、確率的勾配降下法（SGD）を用いたサポートベクターマシン（SVM）の最適化を採用している。LDAは統計的手法として、データの射影に適した新しい特徴空間を導出することで、クラス間の分離性を向上させ、テストデータのラベル予測精度を高める。提案手法は「LMSS」と命名され、UCI-HARデータセットを用いて評価され、最先端のモデルと比較された。その結果、本手法は同データセット上で最も優れた性能を示す既存手法を上回ることが明らかになった。精度（Accuracy）は99.52%、適合率（Precision）は99.55%、再現率（Recall）は99.53%、F1スコアは99.54%を達成し、本手法がデータの高精度な分類に有効であることを示している。