活动识别系统对新传感器的自适应
计算机视觉与模式识别
2017-01-31 v1 机器学习
机器学习
摘要
传统的活动识别系统基于训练工作，并考虑一组固定的传感器。在本文中，我们关注模式识别如何能够在无任何或最少用户输入的情况下利用新的信息源。为此，我们提出一种机会式活动识别方法，其中泛在传感器导致输入空间动态变化。我们的方法是对成熟机器学习原理的一种变体，依靠无监督聚类来发现数据结构，并以半监督方式从少量标记数据推断簇标签。通过详述这些挑战，我们详细展示了来自三个多用户实验的超过 3000 种传感器组合的评估，并显示了我们方法的潜在益处。
引用
@article{arxiv.1701.08528,
title = {Self-Adaptation of Activity Recognition Systems to New Sensors},
author = {David Bannach and Martin Jänicke and Vitor F. Rey and Sven Tomforde and Bernhard Sick and Paul Lukowicz},
journal= {arXiv preprint arXiv:1701.08528},
year = {2017}
}
备注
26 pages, very descriptive figures, comprehensive evaluation on real-life datasets