利用环境移动传感器预测接近度用于非侵入式健康诊断
计算机与社会
2016-11-18 v1 机器学习
摘要
现代智能手机在物联网 (IoT) 和环境健康智能领域正变得有益。通过学习来自多个移动传感器的数据，我们检测人体在三维空间中与移动设备的接近程度，且不与设备发生物理接触，用于非侵入式健康诊断。我们表明，人体产生波模式，其与可由移动传感器测量的其他自然发生环境信号（如温度、湿度、磁场、加速度、重力和光）相互作用。这种相互作用进而改变了自然发生信号的模式，从而展现出可被学习以预测人体与移动设备接近度的特征，进而为医疗从业者提供诊断信息。我们的预测技术达到了 88.75% 的准确率和 88.3% 的特异性。
引用
@article{arxiv.1512.03423,
title = {Predicting proximity with ambient mobile sensors for non-invasive health diagnostics},
author = {Sylvester Olubolu Orimaye and Foo Chuan Leong and Chen Hui Lee and Eddy Cheng Han Ng},
journal= {arXiv preprint arXiv:1512.03423},
year = {2016}
}
备注
Accepted and presented at the 12th IEEE Malaysia International Conference on Communications, 23-25 November, 2015, Kuching, Sarawak, Malaysia