基于缺失数据模态的交通方式幅度和旋转不变检测
机器学习
2024-07-17 v1 人工智能
摘要
本工作提出了 Signal Sleuths 团队为 2024 年 SHL 识别挑战所提供的解决方案。该挑战涉及使用 shuffled、非重叠的 5 秒窗口的手机运动数据检测交通方式，其中恰好随机缺失三种可用模态之一（加速度计、陀螺仪、磁力计）。数据分析表明，训练数据和验证数据之间存在显著的分布迁移， necessitating 一种幅度和旋转不变的方法。我们利用传统机器学习，专注于稳健的处理、特征提取和旋转不变聚合。ablation 研究表明，仅依赖常用的信号幅度向量效果最差。相反，我们提出的旋转不变聚合方法相较于使用旋转敏感特征显著改进了性能，同时还减少了特征向量的长度。此外，z 标准化对创建稳健的谱特征至关重要。
引用
@article{arxiv.2407.11048,
title = {Magnitude and Rotation Invariant Detection of Transportation Modes with Missing Data Modalities},
author = {Jeroen Van Der Donckt and Jonas Van Der Donckt and Sofie Van Hoecke},
journal= {arXiv preprint arXiv:2407.11048},
year = {2024}
}
备注
Accepted at HASCA workshop - SHL challenge (UbiComp 2024)