基于惯性测量单元的人体活动识别中的域适应：综述
信号处理
2023-04-14 v1 人工智能
机器学习
摘要
基于机器学习的可穿戴人体活动识别（WHAR）模型推动了多种智能互联社区应用的发展，如睡眠模式监测、用药提醒、认知健康评估、运动分析等。然而，由于传感器置于不同身体部位、设备间固有偏差与异质性，以及个人与环境差异所导致的数据分布异质性，这些 WHAR 模型的性能会下降，从而阻碍了其广泛应用。文献中已提出各种传统机器学习算法与迁移学习技术，以应对处理此类数据异质性的潜在挑战。域适应便是其中一种在近期文献中颇受青睐的迁移学习技术。本文综述了域适应技术在基于惯性测量单元（IMU）的人体活动识别领域的最新进展，并探讨了潜在的未来方向。
引用
@article{arxiv.2304.06489,
title = {Domain Adaptation for Inertial Measurement Unit-based Human Activity Recognition: A Survey},
author = {Avijoy Chakma and Abu Zaher Md Faridee and Indrajeet Ghosh and Nirmalya Roy},
journal= {arXiv preprint arXiv:2304.06489},
year = {2023}
}