基于手机加速度器和螺旋仪的室内运动状态分类

• 作 者: 吕峰 杨恒新 马梓翔 Stefan Poslad
• 机 构: 南京邮电大学电子科学与工程学院,伦敦大学玛丽女王学院电子与计算机学院
• 出 处: 电脑编程技巧与维护
• 发表日期: 2017年2期
• 关键词: 加速度器 螺旋仪 机器学习 特征选择 激励规则

实现了使用安卓手机内置的传感器-加速度器和螺旋仪对使用者的运动数据进行收集,并进行特征选择,通过机器学习的算法进行室内运动状态的分类。分类的运动状态有静止、走路、坐下、上楼、下楼、电梯上行、电梯下行、摔倒、帕金森抖动。使用了监督式学习算法：决策树、随机森林、支持向量机、神经网络、朴素贝叶斯、KNN、逻辑回归等算法,并且进行分类效果对比。实验结果表明,加速度器和螺旋仪一起收集数据比只用单个最后分类精度要高。对加速度器和螺旋仪收集数据进行特征选择完后的原始数据,决策树算法得到了97.54%的分类精确率。而原始