基于体戴传感器无监督域迁移的活动分类
机器学习
2023-04-24 v1 人机交互
信号处理
摘要
活动分类已成为可穿戴健康追踪设备的一项重要功能。随着该领域创新的增多，佩戴于身体不同部位的可穿戴设备不断涌现。要在新的身体部位上进行活动分类，通常需要对应于新部位的标注数据，但这获取成本高昂。在本工作中，我们提出一种创新方法，利用已在参考身体部位（源域）的惯性测量单元（IMU）数据上训练好的现有活动分类器，以无监督方式在新的身体部位（目标域）执行活动分类，即无需新部位的分类标签。具体而言，给定一个在源域训练用于活动分类的 IMU 嵌入模型，我们通过复现源域的嵌入来训练一个在目标域执行活动分类的嵌入模型。这是利用源域和目标域上同步的 IMU 测量实现的。目标域中复现的嵌入由先前在源域训练的分类模型使用，以在目标域执行活动分类。我们在 PAMAP2、MHealth 和 Opportunity 三个活动分类数据集上评估了所提方法，当源域为手腕、目标域为躯干时，分别取得了 67.19%、70.40% 和 68.34% 的高 F1 分数。
引用
@article{arxiv.2304.10643,
title = {Activity Classification Using Unsupervised Domain Transfer from Body Worn Sensors},
author = {Chaitra Hedge and Gezheng Wen and Layne C. Price},
journal= {arXiv preprint arXiv:2304.10643},
year = {2023}
}