作者:吕峰,杨恒新,马梓翔,Stefan Poslad 单位:信息产业商会 出版:《》 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFDNBC2017020150 DOC编号:DOCDNBC2017020159 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于手机放置变化的步态识别》PDF+DOC2016年第21期 杨文辉,杨明静 《面向动作捕捉的非线性时间序列预测方法研究》PDF+DOC2018年第07期 黄天羽,郭芸莹 《基于机器学习方法中草药电子鼻智能鉴别分类器的优化》PDF+DOC2017年第09期 徐东,陶欧,林兆洲,米文娟,赵丽莹,拱健婷,李阳,闫永红 《基于随机森林算法的多维情境特征活动识别》PDF+DOC2017年第07期 刘克强,汪云甲,陈锐志,褚天行 《多源数据融合高时空分辨率晴雨分类》PDF+DOC 匡秋明,杨雪冰,张文生,何险峰,惠建忠 《帕金森病冻结步态的实时监测系统》PDF+DOC2019年第02期 袁心一,王家莉,仇一青,杨春晖,胡小吾,吴曦,沈林勇 《基于神经网络的动作识别方法分析》PDF+DOC2019年第04期 刘伟静,杨明静 《基于运动传感器的帕金森自动分级研究》PDF+DOC2018年第09期 杨越,汪丰,孙丰,郑慧芬 《监督学习在无线认知传感器网络中的应用》PDF+DOC2014年第04期 郎为民,陈凯,张国峰 《智能机器人水果采摘识别系统设计》PDF+DOC2014年第09期 朱霞,陈仁文,夏桦康,章飘艳
  • 实现了使用安卓手机内置的传感器-加速度器和螺旋仪对使用者的运动数据进行收集,并进行特征选择,通过机器学习的算法进行室内运动状态的分类。分类的运动状态有静止、走路、坐下、上楼、下楼、电梯上行、电梯下行、摔倒、帕金森抖动。使用了监督式学习算法:决策树、随机森林、支持向量机、神经网络、朴素贝叶斯、KNN、逻辑回归等算法,并且进行分类效果对比。实验结果表明,加速度器和螺旋仪一起收集数据比只用单个最后分类精度要高。对加速度器和螺旋仪收集数据进行特征选择完后的原始数据,决策树算法得到了97.54%的分类精确率。而原始数据取完中位数后精度下降了。根据用户的运动状态,制定规则进行奖励和惩罚。

    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。