rWISDM：修复后的 WISDM，一个用于人类活动识别的公开数据集

由于在医疗保健、体育竞赛、智慧城市和智能家居等多个领域的应用，人类活动识别（Human Activity Recognition, HAR）已成为近期科学研究的热点。当研究人员专注于数据处理的方法时，用户则想知道用于 HAR 的人工智能（Artificial Intelligence, AI）方法是否值得信任。信任主要取决于系统的可靠性或鲁棒性。为了研究 HAR 系统的鲁棒性，我们分析了几个合适的现有公开数据集，并选择了 WISDM 来研究深度学习方法。尽管 WISDM 公布的规格符合我们的基本要求（例如，规模大、平衡、多硬件），但在我们的分析过程中发现了几个隐藏的问题。这些问题降低了分类器的性能和整体可信度。通过识别问题并修复数据集，分类器的性能得到了提升。本文介绍了其他研究人员可以在公开数据集中识别和纠正类似问题的方法。通过修复这些问题，提高了数据集的准确性，从而增加了对训练好的 HAR 系统的整体信任度。