《表6 LSTM-RNN 10种活动分类结果》
最后,从所有类别的活动中取出其中的6类,分别是躺、坐、站、看电视、开车和电脑前工作,并通过LSTM-RNN算法进行如下实验。首先,仅利用胸部佩戴的四类传感器(即Acc+Gyro+Mag+HR)采集的数据来分类上述6类活动,然后,用所有传感器采集的数据来分类此6类活动,并进行对比,结果分别如表6中E1、E2所示。从表中E1可以看到,仅通过躯干处的惯性传感器和心率,无法准确的区分此6类活动。直观上理解,此6类活动的运动强度都不大,而且对应的躯干处的运动模式类似,造成分类效果不佳。当采用本文设计的传感器佩戴方式,全面捕捉躯干和四肢运动,融合身体各部位的各类传感数据后,可以更准确地区分开此6类活动。
图表编号 | XD007543500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.07.01 |
作者 | 范长军、高飞 |
绘制单位 | 浙江工业大学计算机科学与技术学院、浙江工业大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |