基于迁移学习个性化智能手表活动识别
机器学习
2019-09-15 v1 计算机与社会
机器学习
摘要
智能手表正日益用于识别人类日常生活活动。这些设备可能采用各类机器学习(ML)方案。此类ML模型中，梯度提升机(GBM)在文献中表现出优异性能。GBM可在部署于任何设备前于可用数据集上训练。然而，该数据集可能无法代表现实中各类人类行为。例如，用于检测老年人与年轻人跑步活动的ML模型可能因活动模式差异而给出不同结果，这可能导致活动识别准确率下降。为此，我们提出一种基于迁移学习的方法，通过对GBM进行设备端校准、仅调参而不重训其估计器，可显著提升用户特定性能。结果表明，该方法能显著改善基于用户的活体识别准确率。
引用
@article{arxiv.1909.01202,
title = {Personalizing Smartwatch Based Activity Recognition Using Transfer Learning},
author = {Karanpreet Singh and Rajen Bhatt},
journal= {arXiv preprint arXiv:1909.01202},
year = {2019}
}
备注
6 Pages, 6 Figures