Hyppää sisältöön
    • FI
    • ENG
  • FI
  • /
  • EN
OuluREPO – Oulun yliopiston julkaisuarkisto / University of Oulu repository
Näytä viite 
  •   OuluREPO etusivu
  • Oulun yliopisto
  • Avoin saatavuus
  • Näytä viite
  •   OuluREPO etusivu
  • Oulun yliopisto
  • Avoin saatavuus
  • Näytä viite
JavaScript is disabled for your browser. Some features of this site may not work without it.

From user-independent to personal human activity recognition models using smartphone sensors

Siirtola, Pekka; Koskimäki, Heli; Röning, Juha (2016-04-27)

 
Avaa tiedosto
nbnfi-fe201702141587.pdf (1.244Mt)
nbnfi-fe201702141587_meta.xml (30.84Kt)
nbnfi-fe201702141587_solr.xml (24.46Kt)
Lataukset: 

URL:
https://www.elen.ucl.ac.be/Proceedings/esann/esannpdf/es2016-126.pdf

Siirtola, Pekka
Koskimäki, Heli
Röning, Juha
ESANN
27.04.2016

Pekka Siirtola, Heli Koskimäki and Juha Röning. From user-independent to personal human activity recognition models using smartphone sensors. ESANN 2016 proceedings, European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. Bruges (Belgium), 27-29 April 2016, i6doc.com publ., ISBN 978-287587027-8. Available from http://www.i6doc.com/en/.

https://rightsstatements.org/vocab/InC/1.0/
© 2016 ESANN and the authors. Published in this repository with the kind permission of the publisher.
https://rightsstatements.org/vocab/InC/1.0/
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe201702141587
Tiivistelmä

Abstract

In this study, a novel method to obtain user-dependent human activity recognition models unobtrusively by using the sensors of a smartphone is presented. The recognition consists of two models: sensor fusion-based user-independent model for data labeling and single sensor-based user-dependent model for final recognition. The functioning of the presented method is tested with human activity data set, including data from accelerometer and magnetometer, and with two classifiers. Comparison of the detection accuracies of the proposed method to traditional user-independent model shows that the presented method has potential, in nine cases out of ten it is better than the traditional method, but more experiments using different sensor combinations should be made to show the full potential of the method.

Kokoelmat
  • Avoin saatavuus [37744]
oulurepo@oulu.fiOulun yliopiston kirjastoOuluCRISLaturiMuuntaja
SaavutettavuusselosteTietosuojailmoitusYlläpidon kirjautuminen
 

Selaa kokoelmaa

NimekkeetTekijätJulkaisuajatAsiasanatUusimmatSivukartta

Omat tiedot

Kirjaudu sisäänRekisteröidy
oulurepo@oulu.fiOulun yliopiston kirjastoOuluCRISLaturiMuuntaja
SaavutettavuusselosteTietosuojailmoitusYlläpidon kirjautuminen