发现数据中的行为倾向以改进人类活动识别
机器学习
2024-08-13 v1 人工智能
摘要
基于传感器的痴呆症患者挑战性行为的自动评估是支持干预措施选择的重要任务。然而，由于患者间和患者内的大变异性，预测淡漠和激越等行为具有挑战性。本文的目标是利用患者往往在一天或一周的特定时段表现出特定行为的观察结果来提高识别性能。我们提出通过对时间段标注的分布进行聚类来识别此类相似行为的片段。聚类中的所有时间段均由相似行为组成，从而指示一种行为倾向（BPD）。我们通过为每个 BPD 训练一个分类器来利用 BPD。实证表明，当每个时间段的 BPD 已知时，活动识别性能可得到显著提升。
引用
@article{arxiv.2207.08816,
title = {Discovering Behavioral Predispositions in Data to Improve Human Activity Recognition},
author = {Maximilian Popko and Sebastian Bader and Stefan Lüdtke and Thomas Kirste},
journal= {arXiv preprint arXiv:2207.08816},
year = {2024}
}
备注
Submitted to iWOAR 2022 - 7th international Workshop on Sensor-Based Activity Recognition and Artificial Intelligence