• 综合
  • 标题
  • 关键词
  • 摘要
  • 学者
  • 期刊-刊名
  • 期刊-ISSN
  • 会议名称
搜索

作者:

何坚 (何坚.) | 杨佳现 (杨佳现.)

收录:

Scopus CQVIP CSCD

摘要:

为了解决人体活动识别类别和准确度的预测方法中对传感器类型因素和识别方法考虑不足的问题,利用智能手机集成的惯性传感器、磁力计、气压计等多模态传感器,提出了融合智能手机多模态传感器的人体活动识别方法,并采用Stacking融合传统随机森林、支持向量机、K最近邻和朴素贝叶斯算法,通过学习训练集数据形成优化的人体活动识别分类器.实验显示系统的准确率达到99.0%,同时系统的敏感度和特异性分别达到99.0%和99.8%,很好地区分了走路、上楼和下楼这3种比较相似的动作.与传统单传感器活动识别系统相比,本系统的准确率、平均敏感度和平均特异性均为最高,比支持向量机算法分别高出14.0%、11.4%和2.1%,比K最近邻算法分别高出3.4%、3.3%和2.0%,比随机森林算法分别高出1.8%、2.0%和0.6%.

关键词:

智能手机 Stacking算法 活动感知 活动识别 数据融合 多传感器

作者机构:

  • [ 1 ] [何坚]北京市物联网软件与系统工程技术研究中心,北京 100124;北京工业大学信息学部,北京 100124
  • [ 2 ] [杨佳现]北京工业大学

通讯作者信息:

电子邮件地址:

查看成果更多字段

相关关键词:

来源 :

北京工业大学学报

ISSN: 0254-0037

年份: 2020

期: 11

卷: 46

页码: 1222-1229

被引次数:

WoS核心集被引频次: 0

SCOPUS被引频次: 2

ESI高被引论文在榜: 0 展开所有

万方被引频次: -1

中文被引频次:

近30日浏览量: 2

在线人数/总访问数:503/3889587
地址:北京工业大学图书馆(北京市朝阳区平乐园100号 邮编:100124) 联系我们:010-67392185
版权所有:北京工业大学图书馆 站点建设与维护:北京爱琴海乐之技术有限公司