首页| 行业标准| 论文文档| 电子资料| 图纸模型
购买积分 购买会员 激活码充值

您现在的位置是:团子下载站 > 电子资料 > 如何使用CNN对可穿戴传感器进行数据分类

如何使用CNN对可穿戴传感器进行数据分类

  • 资源大小:0.13 MB
  • 上传时间:2021-10-11
  • 下载次数:0次
  • 浏览次数:55次
  • 资源积分:1积分
  • 标      签: RGB 传感器

资 源 简 介

本文使用CNN来对可穿戴传感器收集的大规模运动数据进行分类,同时对传感器数据转换为不同的图像格式输入做出了比较。最佳性能配置以92.1%的准确率将50种健身房运动分类。作者在这里使用的是CNN而不是RNN(常用来处理时序数据),是因为每次的重复运动练习(如举哑铃)是花费的时间是非常短的少于4秒,训练时不需要长时间的记忆。数据集使用的是从PUSH(一种戴在前臂上的可穿戴设备,用于测量运动员的运动)收集的,该数据是由1441名男运动员和307名女运动员的449260个重复运动练习组成的49194个集合组成。因为CNN的输入长度是固定的,所以将每条序列的长度固定为784。拥有超过784个样本的代表被简单地裁剪出来784个样本,不足的采用zero-paded。该装置紧紧地绑在上臂上,分别用内置加速度计和陀螺仪测量加速度和方向,因此,时间序列数据具有9个特征(Accx,Accy,Accz)inthelocalframe,(Accx,Accy,Accz)intheworldframeand(EulerAnglex,EulerAngley,EulerAnglez)intheworldframe,数据采集的频率为200HZ。将传感器数据转换成2D形式的输入有3种方法。不同的图像格式选择会导致不同的卷积与不同的相邻元素,其中可能包括不相关元素之间的卷积。把9×784的时间序列数据作为一个矩形二维图像。将三个不同的特征组(localacceleraTIons,worldacceleraTIons,andEulerangles)类比为图像中的RGB通道,并创建一个3×784×3的张量。
VIP VIP