BSDGAN：用于人类活动识别的传感器数据平衡生成对抗网络
机器学习
2022-08-10 v1 信号处理
摘要
物联网技术的发展使得多种传感器能够集成到移动设备中。基于传感器数据的人类活动识别（HAR）已成为机器学习和普适计算领域的一个活跃研究课题。然而，由于人类活动频率不一致，人类活动数据集中各活动的数据量存在不平衡。考虑到传感器资源有限且人工标注传感器数据成本高昂，人类活动识别正面临活动数据集高度不平衡的挑战。本文提出平衡传感器数据生成对抗网络（BSDGAN）来为少数类人类活动生成传感器数据。所提出的BSDGAN由生成器模型和判别器模型组成。考虑到人类活动数据集的极端不平衡，采用自编码器来初始化BSDGAN的训练过程，以确保能够学习到每个活动的数据特征。生成的活动数据与原始数据集相结合，以平衡各人类活动类别之间的活动数据量。我们在两个公开的不平衡人类活动数据集WISDM和UNIMIB上部署了多个人类活动识别模型。实验结果表明，所提出的BSDGAN能够有效捕捉真实人类活动传感器数据的数据特征，并生成逼真的合成传感器数据。同时，平衡后的活动数据集能够有效帮助活动识别模型提高识别准确率。
引用
@article{arxiv.2208.03647,
title = {BSDGAN: Balancing Sensor Data Generative Adversarial Networks for Human Activity Recognition},
author = {Yifan Hu and Yu Wang},
journal= {arXiv preprint arXiv:2208.03647},
year = {2022}
}