典型文献
可穿戴传感器的人体活动能量预测模型研究
文献摘要：
为了解决可穿戴传感器特征过多与嵌入式设备计算能力和存储能力有限的矛盾问题,在多传感器(加速度传感器、陀螺仪传感器)数据融合的基础上,采用特征工程的方法选出人体运动能量消耗预测(PAEE)的最优特征.在数据预处理阶段,使用滑动窗口技术提取传感器的时域、频域特征,对三个速度水平的数据集使用正弦曲线拟合,并通过显著性差异检验分析选出有效数据.构建了过滤式、封装式和嵌入式特征选择算法与多线性回归、回归树、支持向量机和神经网络等机器学习预测模型结合的WEKA实验平台.最后决策级融合时,通过评估每个模型的相关系数和平均绝对误差选择出最优模型.模型训练时采用带抖动的数据集作为测试集,避免出现模型的过拟合现象,提高模型的泛化能力和鲁棒性.嵌入式特征选择采用经典的弹性网络算法.实验结果表明,在PAEE中加速度计传感器的特征比陀螺仪传感器的特征更具有决定性的作用,基于相关系数方法的多传感器特征融合的神经网络模型是最优模型.
文献关键词：
人体活动能量消耗;特征选择;神经网络
中图分类号：
作者姓名：
王琳;孙倩;马晓娜;高永艳;刘毅;马宏伟;杨东强
作者机构：
山东建筑大学 计算机科学与技术学院,济南 250101;山东建筑大学 体育部,济南 250101
文献出处：
引用格式：
[1]王琳;孙倩;马晓娜;高永艳;刘毅;马宏伟;杨东强-.可穿戴传感器的人体活动能量预测模型研究)[J].计算机科学与探索,2022(12):2832-2840
A类：
PAEE,人体活动能量消耗
B类：
可穿戴传感器,嵌入式设备,计算能力,加速度传感器,陀螺仪,数据融合,特征工程,人体运动,运动能量,消耗预测,优特,数据预处理,滑动窗口技术,频域特征,正弦曲线,曲线拟合,差异检验,检验分析,有效数据,封装,嵌入式特征选择,特征选择算法,多线性回归,回归树,机器学习预测,WEKA,实验平台,决策级融合,平均绝对误差,最优模型,模型训练,抖动,测试集,避免出现,过拟合,泛化能力,弹性网络算法,加速度计,多传感器特征,特征融合
AB值：
0.345488
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
