《表5 不同模态数据融合的分类结果与比较 (均值±方差)》

  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

为了考察多模态传感器融合的活动识别效果，并与现有工作（文献[17]）相比较，进行如下实验。将Somatic Log采集的13种活动类型重新归为6类，包括躺、静止（坐或站）、走路、跑步、骑车和其他（所有剩余的活动类别）。并将4种传感器采集的数据（加速度Acc，角速度Gyro，磁场Mag，心率HR）进行交叉组合，构成了6类不同的组合数据集（如表5所示）。针对此6类数据集，设定训练迭代次数为300，并记录每次迭代训练后测试数据的分类准确率、训练损失和最终的F1-score。图10所示为仅由加速度传感数据进行训练的过程。从图10可以看出，随着迭代次数的增加，测试集的分类准确率逐渐升高，训练损失逐渐减少，最终达到收敛。