基于加速度计与黏性HDP-SLDS变分推断的活动分类
机器学习
2015-10-20 v1 机器学习
摘要
作为人类活动日常监测的一部分，可穿戴传感器和设备正成为日益普及的数据来源。随着配备加速度计、陀螺仪和摄像头的智能手机的出现，现在有可能开发人人都能方便使用的活动分类平台。在本文中，我们提出了一种用于无监督非参数时间序列模型的快速推断方法，即黏性HDP-SLDS（层次狄利克雷过程切换线性动力系统）的变分推断。我们表明，所提出的算法仅使用Android智能手机Samsung Galaxy S4的加速度计就能区分各种室内活动，如坐、走、转身、上下楼梯和乘电梯。我们使用智能手机的前置摄像头精确标注活动类型。我们在10名受试者的数据集上将所提方法与具有高斯发射概率的隐马尔可夫模型进行了比较。我们展示了黏性属性的功效。我们进一步将变分推断与同一模型上的吉布斯采样器进行比较，表明变分推断快一个数量级。
引用
@article{arxiv.1510.05477,
title = {Accelerometer based Activity Classification with Variational Inference on Sticky HDP-SLDS},
author = {Mehmet Emin Basbug and Koray Ozcan and Senem Velipasalar},
journal= {arXiv preprint arXiv:1510.05477},
year = {2015}
}