面向自然时间序列移动活动识别的行为与时域偏移下的域适应
机器学习
2022-07-12 v1
摘要
人类行为正日益被移动设备所记录，导致对自动化人类活动识别的兴趣增加。然而，现有数据集通常由脚本化动作构成。我们的长期目标是在自然环境中进行移动活动识别。我们收集了一个支持该目标的数据集，其活动类别与健康监测与干预等下游任务相关。由于人类行为存在巨大差异，我们从两个不同年龄段的多名参与者处收集数据。由于人类行为会随时间变化，我们还在一个月时间内从参与者处收集数据以捕捉时域漂移。我们假设移动活动识别可受益于无监督域适应算法。为满足该需求并验证此假设，我们分析了跨人与跨时间的域适应性能。随后，在可用标签比例时，我们通过对比学习与弱监督来增强无监督域适应。数据集可从 https://github.com/WSU-CASAS/smartwatch-data 获取。
引用
@article{arxiv.2207.04367,
title = {Domain Adaptation Under Behavioral and Temporal Shifts for Natural Time Series Mobile Activity Recognition},
author = {Garrett Wilson and Janardhan Rao Doppa and Diane J. Cook},
journal= {arXiv preprint arXiv:2207.04367},
year = {2022}
}
备注
8th SIGKDD International Workshop on Mining and Learning from Time Series, 2022