基于卷积神经网络的帕金森病监测可穿戴传感器数据增强
计算机视觉与模式识别
2017-11-10 v2
摘要
虽然卷积神经网络（CNN）已成功应用于许多具有挑战性的分类任务，但它们通常需要大型数据集进行训练。当标记数据有限时，数据增强是 CNN 的关键预处理步骤。然而，针对可穿戴传感器数据的数据增强尚未得到深入研究。本文提出了多种用于可穿戴传感器数据的数据增强方法。所提出的方法和 CNN 被应用于帕金森病患者运动状态的分类，该任务因数据集规模小、标签噪声大和类内变异性高而极具挑战性。适当的数据增强将分类性能从 77.54% 提升至 86.88%。
引用
@article{arxiv.1706.00527,
title = {Data Augmentation of Wearable Sensor Data for Parkinson's Disease Monitoring using Convolutional Neural Networks},
author = {Terry Taewoong Um and Franz Michael Josef Pfister and Daniel Pichler and Satoshi Endo and Muriel Lang and Sandra Hirche and Urban Fietzek and Dana Kulić},
journal= {arXiv preprint arXiv:1706.00527},
year = {2017}
}
备注
ICMI2017 (oral session)