一个基于WGF-LN的新型边缘驱动智能用于人类活动识别中的可穿戴设备
S R Menaka1, M Prakash2, S Neelakandan3
1Department of Information Technology, KSR College of Engineering, Tiruchengode, India.
Scientific reports
|October 19, 2023
概括
这项研究引入了一个新的Wasserstein梯度流 legonet (WGF-LN) 系统用于人类活动识别 (HAR). 这种新的方法提高了从可穿戴传感器数据分类日常活动的准确性.
科学领域:
- 卫生监测健康监测
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 人类活动识别 (HAR) 依赖于可穿戴传感器进行连续的数据流.
- 监督机器学习 (ML) 和深度学习 (DL) 显示出希望,但面临决策模两可.
- 现有的方法难以应对HAR传感器数据的复杂性和模糊性.
研究的目的:
- 为改进HAR提出一个新的瓦斯斯坦梯度流动腿网 (WGF-LN) 系统.
- 为了应对HAR的传感器数据分析决策模两可的挑战.
- 使用可穿戴传感器数据提高人类活动分类的准确性和效率.
主要方法:
- 数据预处理,然后进行Haar波段母-Symlet波段散射系数散射特征提取 (HS-WSFE).
- 使用二项分布集成-金优化 (BD-GEO) 进行特征选择.
- 使用散射图矩阵和使用WGF-LN的分类来处理特征的后处理.
主要成果:
- 拟议的WGF-LN系统在识别人类活动方面表现出显著的有效性.
- 综合特征提取,选择和分类管道产生了准确的结果.
- 实验验证证了新型HAR系统的有效性.
结论:
- 开发的WGF-LN系统为HAR提供了强大的解决方案.
- 拟议的方法有效地处理传感器数据的复杂性,并减少模两可.
- 这项研究有助于在可穿戴健康监测和活动分类方面取得有前途的进展.
