《表2 基于专家知识提取特征的识别效果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于可穿戴传感器的普适化人体活动识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先，考虑特征工程对活动识别准确率的影响，并采用公开的UCI HAR数据集进行实验，此数据集通过固定在腰部的手机来记录三轴加速度和三轴陀螺仪数据，以识别走路、上楼、下楼、坐、站、躺6种活动[21]。针对此数据集，采用以下3种方案分别进行活动识别。方案1采用决策树算法直接在Anguita等人[21]提取的561个特征的基础上进行活动识别，实验结果如表2所示。方案2通过一个通用的时序特征提取工具tsfresh[22]对原始数据每一通道的各窗口分别提取275个时域或频域特征，并输入决策树进行活动识别，分类效果如表3所示。方案3通过LSTM-RNN直接对原始数据进行训练，分类混淆矩阵如表4所示。