典型文献
基于自适应样本熵的穿戴式传感器人体活动识别
文献摘要：
针对样本熵对功能性参数极端依赖的不足,从而影响最终的人体活动识别效果,提出了自适应样本熵来提取运动传感器数据的特征.其核心思想是根据传感器数据本身自适应地确定参数,减少人为干扰.为了验证所提出的自适应样本熵方法在在活动识别的有效性,通过公开的人体活动数据集MHEALTH,对步行、上下楼梯、跑步、跳跃等10种日常活动进行了识别.首先对传感器数据进行预处理并通过滑动窗口分为较短的数据,然后利用 自适应样本熵方法提取特征,最后基于随机森林分类器完成活动分类.实验结果表明,自适应样本熵可达到98.07％的识别准确率,高于现有的时域(92.93％)、频域(94.61％)、时频域(96.21％)和样本熵(96.95％)方法.自适应样本熵作为一种自适应调节参数的方法,解决了样本熵对参数的极端依赖性,是用于人体活动识别的有效方法.
文献关键词：
人体活动识别;可穿戴传感器;自适应样本熵;特征工程;机器学习
中图分类号：
作者姓名：
陈达理;刘雪红
作者机构：
武汉理工大学机电工程学院,武汉430070
文献出处：
引用格式：
[1]陈达理;刘雪红-.基于自适应样本熵的穿戴式传感器人体活动识别)[J].武汉理工大学学报,2022(08):91-96
A类：
自适应样本熵,MHEALTH
B类：
穿戴式,人体活动识别,运动传感器,传感器数据,核心思想,人为干扰,熵方法,下楼梯,跑步,跳跃,日常活动,滑动窗口,提取特征,随机森林分类器,成活,识别准确率,时频域,自适应调节,可穿戴传感器,特征工程
AB值：
0.189167
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。
