面向低采样众感智能手机传感器数据的兴趣点提取与环境分类
计算机与社会
2017-01-13 v1
摘要
配备各类传感器的智能手机的发展使我们能够通过众感移动应用利用多样信息。然而，传统方法存在诸如高电池消耗的缺点，这是以高采样率获取高精度数据的权衡。为减轻电池消耗，我们提出了低采样兴趣点(POI)提取框架，它建立在基于验证的停留点检测(VSPD)和基于传感器融合的环境分类(SFEC)之上。我们研究了多种聚类算法，表明带噪声的应用密度空间聚类(DBSCAN)算法在现有方法中产生最准确的结果。SFEC模型用于分类由VSPD先前聚类的POI的室内或室外环境。收集了真实世界数据，使用现有聚类方法进行了基准测试，以表明低采样率模型在高噪声时空数据中的有效性。
引用
@article{arxiv.1701.03379,
title = {Extracting Point of Interest and Classifying Environment for Low Sampling Crowd Sensing Smartphone Sensor Data},
author = {Billy Pik Lik Lau and Marakkalage Sumudu Hasala and Viswanath Sanjana Kadaba and Balasubramaniam Thirunavukarasu and Chau Yuen and Belinda Yuen and Richi Nayak},
journal= {arXiv preprint arXiv:1701.03379},
year = {2017}
}
备注
in 2017 IEEE International Conference on Pervasive Computing and Communication Workshops (PerCom Workshops), At Kona, Big Island, Hawaii, USA