介绍：
用于人类活动识别的LSTM-CNN模型第一个可穿戴的数据集是“ ，该包含30位受试者的记录，这些受试者在进行带有腰部安装式智能手机的嵌入式智能手机的同时进行日常生活（ADL）活动。 每个人都在腰上佩戴智能手机（三星Galaxy S II）进行六项活动。 从嵌入式加速度计和陀螺仪中，以50Hz的恒定速率捕获3轴线性加速度和3轴角速度。 标签是通过视频记录的。 传感器信号通过应用噪声滤波器进行预处理，然后在2.56秒和50％重叠（128个读数/窗口）的固定宽度滑动窗口中采样。 通过从时域和频域计算变量，从每个窗口获得了561个特征的向量。 另一个可穿戴数据集是数据集，该数据集包含十名志愿者在执行12项常见活动时的身体运动和生命体征记录。 放置在对象胸部，右手腕和左脚踝上的传感器用于测量身体各个部位所经历的运动，即加速度，转弯速率和磁场方向。 置于胸部的传感器还提供2导联心电图测量，可
2021-10-27 08:54:31
90.91MB
1
CNN用于人类活动识别
博客文章的。
所需工具
在开发过程中使用Python 2.7，并且需要以下库来运行笔记本中提供的代码：
张量流
脾气暴躁的
Matplotlib
大熊猫
数据集
可以从以下下载用于模型训练的WISDM Actitracker数据集
相关问题
步行活动中的用户标识。 可以从以下下载22个个人的加速度计数据集
2021-10-26 21:15:17
37MB
1
人工智能长篇报告：1.5万字告诉你AI的应用究竟对人类社会经济有哪些影响.pdf
2021-10-19 17:03:07
457KB