基于动态时间规整模板选择的多变量时间序列分类用于人类活动识别
人工智能
2015-12-22 v1
摘要
准确且计算高效的人类活动分类方法一直是广泛研究的课题。当前大多数研究聚焦于提取复杂特征以实现高分类准确率。我们提出一种基于动态时间规整（Dynamic Time Warping）的模板选择方法，从而避免了复杂的特征提取和领域知识。我们在模拟和真实智能手机数据上展示了该算法的预测能力。
引用
@article{arxiv.1512.06747,
title = {Multivariate Time Series Classification Using Dynamic Time Warping Template Selection for Human Activity Recognition},
author = {Skyler Seto and Wenyu Zhang and Yichen Zhou},
journal= {arXiv preprint arXiv:1512.06747},
year = {2015}
}