Machine learning methods for classifying human physical activity from on-body accelerometers.
Machine learning methods for classifying human physical activity from on-body accelerometers.
复制标题
DOI：
10.3390/s100201154
复制
发表时间：
2010
期刊：
影响因子：
--
通讯作者：
Sabatini AM
中科院分区：
文献类型：
--
作者：
Mannini A;Sabatini AM
在几个学术和工业领域，可穿戴式传感器的使用非常广泛。人们非常感兴趣的是它们在动态监测和普适计算系统中的应用；在这里，对人体运动的一些定量分析及其自动分类是主要的计算任务。在这篇文章中，我们讨论了如何使用身体上的加速度计对人类的身体活动进行分类，主要侧重于为此目的所采用的计算算法。特别是，我们激发了目前对基于隐马尔可夫模型(HMM)的分类器的兴趣。通过对加速度计时间序列数据集的分析，给出了一个实例并进行了讨论。
The use of on-body wearable sensors is widespread in several academic and industrial domains. Of great interest are their applications in ambulatory monitoring and pervasive computing systems; here, some quantitative analysis of human motion and its automatic classification are the main computational tasks to be pursued. In this paper, we discuss how human physical activity can be classified using on-body accelerometers, with a major emphasis devoted to the computational algorithms employed for this purpose. In particular, we motivate our current interest for classifiers based on Hidden Markov Models (HMMs). An example is illustrated and discussed by analysing a dataset of accelerometer time series.
登录
查看更多内容
影响因子：
9.2
作者：
HANNAFORD, B;LEE, P
通讯作者：
LEE, P
DOI：
10.1109/titb.2005.856864
发表时间：
2006-01-01
影响因子：
--
作者：
Karantonis, DM;Narayanan, MR;Celler, BG
通讯作者：
Celler, BG
影响因子：
2.4
作者：
Aminian, K;Najafi, B;Robert, P
通讯作者：
Robert, P
影响因子：
7.8
作者：
Hirata, Yasuhisa;Hara, Asami;Kosuge, Kazuhiro
通讯作者：
Kosuge, Kazuhiro
影响因子：
5.6
作者：
AMINIAN, K;ROBERT, P;SCHUTZ, Y
通讯作者：
SCHUTZ, Y