利用移动设备加速度计识别日常活动模式的模式识别技术
计算机与社会
2017-11-02 v1 数据分析、统计与概率
摘要
本文聚焦于将模式识别技术应用于移动设备加速度计所采集的数据，以识别日常活动（ADL）。ADL 的识别由若干阶段组成，包括数据采集、数据处理以及人工智能方法。所使用的人工智能方法涉及模式识别，本研究侧重于人工神经网络（ANN）的应用。数据处理包括数据清洗以及用于定义 ANN 输入的特征提取技术。由于移动设备处理能力与内存较低，应主要将其用于采集数据，并应用预先训练好的 ANN 来识别 ADL。本文的主要目的是提出一种基于 ANN 实现的新方法，以可靠的准确率识别一组既定的 ADL。本文还比较了不同类型的 ANN，以便为最终方法的实现选择类型。本研究结果表明，深度学习技术取得了最佳准确率，高于 80%。
引用
@article{arxiv.1711.00096,
title = {Pattern Recognition Techniques for the Identification of Activities of Daily Living using Mobile Device Accelerometer},
author = {Ivan Miguel Pires and Nuno M. Garcia and Nuno Pombo and Francisco Flórez-Revuelta and Susanna Spinsante},
journal= {arXiv preprint arXiv:1711.00096},
year = {2017}
}