《基于旋转模式的移动设备佩戴位置识别方法》PDF+DOC
作者:时岳,喻纯,史元春
单位:中国科学院软件研究所
出版:《》
页数:11页 (PDF与DOC格式可能不同)
PDF编号:PDFRJXB2013080150
DOC编号:DOCRJXB2013080159
下载格式:PDF + Word/doc 文字可复制、可编辑
《一种基于智能手机终端的远程人体姿态监测系统》PDF+DOC2019年第06期 刘宇,惠鸿飞,路永乐,亓林,邹新海,黎人溥
《基于惯性传感器数据融合的管线三维可视化》PDF+DOC2018年第34期 李瑞通,赵庆生,王旭平
《一种便携式体育训练即时数据分析系统设计》PDF+DOC2019年第06期 王沛
《基于DWT和随机森林的运动自动分类方法》PDF+DOC2018年第01期 赵伟
《MEMS市场将以每年13%的速度增长》PDF+DOC 江兴
《惯性导航基本理论及发展综述》PDF+DOC 周年芳,柏林森
《MEMS将迎来第三次发展浪潮》PDF+DOC2010年第07期 王莹
《一种考虑单步统计特征的运动员动作速度识别分析》PDF+DOC2019年第17期 李华伟,吴超
《惯性导航技术的新进展及其发展趋势》PDF+DOC2019年第05期 谭祖锋
《基于CCF的单传感器辐射源识别方法》PDF+DOC2011年第04期 程东升,李侠,万山虎,武凌
移动设备计算能力和传感能力的发展,使其可以为用户提供多种基于情境信息的服务.移动设备的佩戴位置作为一种重要的情境信息,影响着其他用户活动的识别效果和移动应用的自适应功能.分析得出当移动设备在不同身体部位佩戴时,旋转变化模式不同.提出了一种识别设备随身佩戴位置的方法.该方法使用加速计与陀螺仪两种传感器进行数据融合,计算出旋转半径、角速度幅度和重力加速度并提取特征.在分类时,使用随机森林作为分类器,并与使用支持向量机的方案进行了对比.为了检验其效果,在包含3种佩戴位置和13种用户活动种类的公开数据集上进行了实验.实验结果显示,该方法能够达到平均95.39%的交叉验证准确率;同时表明,在满足旋转占主要成分和重力加速度方向稳定的前提下,使用旋转变化信息和集成分类器有助于提高分类效果.与之前的方法相比,该方法可以更准确地对佩戴位置进行区分,并对新用户与新活动类型情况下的位置识别具备更强的泛化能力。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。