?

Details
Table Card RUSMARC
Title: Применение методов машинного обучения для распознавания двигательной активности человека с помощью мобильных устройств: бакалаврская работа: 09.03.01
Creators: Намаконов Егор Сергеевич
Scientific adviser: Никитин Кирилл Вячеславович
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2017
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: анализ временных рядов; носимые устройства; алгоритмы классификации; выделение признаков
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 09.03.01
Speciality group (FGOS): 090000 - Информатика и вычислительная техника
DOI: 10.18720/SPBPU/2/v17-4095
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key: RU\SPSTU\edoc\45580

Allowed Actions: –

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В работе исследуются различные методы выделения признаков и классификации применительно к задаче распознавания двигательной активности человека. Приводится сравнение эффективности методов. Основной результат работы - приложениедля носимых устройств, позволяющее в реальном времени определять вид текущей активности.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users SPbPU Read Print Download
-> Internet Anonymous

Table of Contents

  • ВВЕДЕНИЕ
  • 1. Обзор предметной области
    • Постановка задачи
    • Существующие решения
    • Существующие подходы к решению задачи
  • 2. Проектирование системы распознавания движений
    • Структура системы распознавания
    • Формальная постановка задачи
    • Алгоритмы выделения признаков
      • Модели временных рядов
      • Cкрытые марковские модели
      • Выделение признаков частотной области
    • Алгоритмы классификации
      • Нейронные сети
      • Наивный байесовский классификатор
      • Применение линейного дискриминантного анализа как классификатора
    • Алгоритмы, основанные на метриках расстояния
      • Алгоритм динамической трансформации временной шкалы (DTW)
      • Метод k ближайших соседей
    • Контроль качества распознавания
      • Метрики качества
      • Выбор параметров модели и гиперпараметров
  • 3. Реализация
    • Требования к системе распознавания
    • Выбор средств для реализации
    • Архитектура системы
      • Архитектура Android-приложений
      • Архитектура системы обучения моделей
    • Сбор данных для обучения
    • Процесс тестирования и непрерывной интеграции
  • 4. Экспериментальное исследование
    • План исследования
    • Исходные данные для экспериментов
    • Выполнение экспериментов
      • Определение алгоритмов, дающих максимальную точность, и их параметров
      • Изучение влияния состава пользователей на качество распознавания
      • Изучение влияния отсутствия пользователя в обучающей выборке
    • Итоговое сравнение алгоритмов
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
  • ПРИЛОЖЕНИЕ А. Полные результаты эксперимента
  • ПРИЛОЖЕНИЕ Б. Пример пользовательского интерфейса

Usage statistics

stat Access count: 626
Last 30 days: 0
Detailed usage statistics