Hinrichtung eines Tagebuchs über körperliche Aktivität

In diesem Papier führen wir die Erkennung körperlicher Bewegungen mittels Mobiltelefonen mit eingebauten Beschleunigungssensoren durch. Zunächst werden Techniken zur Verarbeitung und Glättung von Sensordaten diskutiert, um das spezielle Rauschen in den von Telefonen gesammelten Beschleunigungsdaten zu reduzieren. Wir untersuchen orientierungsunabhängige Merkmale, die aus vertikalen und horizontalen Komponenten der Beschleunigung sowie den Magnituden der Beschleunigung für sechs gängige körperliche Aktivitäten, wie Sitzen, Stehen, Gehen, Laufen, Autofahren und Radfahren, extrahiert werden. Wir stellen fest, dass Entscheidungsbäume die beste Leistung unter vier häufig verwendeten statischen Klassifikatoren erzielen, während vertikale und horizontale Merkmale eine bessere Erkennungsgenauigkeit als Magnitudenmerkmale aufweisen. Darüber hinaus kann ein gut beschnittener Entscheidungsbaum mit einfachen zeitlichen Domänenmerkmalen und weniger Überanpassung an die Trainingsdaten ein brauchbares Modell zur Ableitung eines körperlichen Aktivitäten-Tagebuchs bereitstellen, verfeinert durch einen Ähnlichkeitsabgleich aus den Ergebnissen der K-Means-Clustering-Analyse und geglättet durch einen HMM-basierten Viterbi-Algorithmus.