matlab精度检验代码-HAR:哈尔

matlab精度检验代码使用卷积神经网络从加速度计数据进行实时人类活动识别 1.概述 该代码实现了基于卷积神经网络的实时人类活动识别方法。 提出的体系结构将用于无监督局部特征提取的浅层CNN与编码时间序列全局特征的统计特征结合在一起。 它的主要优点是识别间隔短至1秒钟，几乎没有人工特征工程或数据预处理，并且具有领域最少的修改最少的修改即可应用于不同类型的数据集。 2.依存关系 数据细分： Matlab或八度 活动分类 python 2.7+ scikit学习 麻木 tesnorflow 3.实验 该系统在两个常用数据集上进行了评估，这些数据集分别包含来自36个和30个用户的带标记的加速度计数据，可以从相应的网站上免费下载。 资料分割 要对初始时间序列进行分段并生成用于测试模型的数据集，请解压缩文件“ data_processing / datasets.zip”，并分别为WISDM和UCI数据集运行matlab脚本“ run_WISDM.m”或“ run_UCI.m”。 分段的参数在这些脚本的标题中指定。 基线HAR技术 要测试基于随机森林+手工制作功能的方法，请运行“ wisdm_r