基于移动设备数据的日常活动识别多数据源框架
计算机与社会
2019-08-22 v2 数据分析、统计与概率
摘要
大多数移动设备包含运动、磁场、声学和位置传感器。它们允许实现一个由数据采集、处理、融合和分类组成的日常活动（ADL）及其环境识别框架。本研究比较了人工神经网络的不同实现，得出结论：对于标准ADL的识别，所得结果分别为85.89%和100%；此外，利用深度神经网络（DNN）识别站立活动分别为该结果，利用前馈神经网络识别环境为86.50%。数值结果表明，所提出的框架能够从现成移动设备的数据融合中实现鲁棒的性能。
引用
@article{arxiv.1711.00104,
title = {A Multiple Data Source Framework for the Identification of Activities of Daily Living Based on Mobile Device Data},
author = {Ivan Miguel Pires and Nuno M. Garcia and Nuno Pombo and Francisco Flórez-Revuelta and Maria Canavarro Teixeira and Eftim Zdravevski and Susanna Spinsante},
journal= {arXiv preprint arXiv:1711.00104},
year = {2019}
}