?

Детальная информация
Карточка Таблица RUSMARC

Намаконов, Егор Сергеевич. Применение методов машинного обучения для распознавания двигательной активности человека с помощью мобильных устройств [Электронный ресурс]: бакалаврская работа: 09.03.01 / Е. С. Намаконов; Санкт-Петербургский политехнический университет Петра Великого, Институт компьютерных наук и технологий ; науч. рук. К. В. Никитин. — Электрон. текстовые дан. (1 файл : 737 Кб). — Санкт-Петербург, 2017. — Загл. с титул. экрана. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Adobe Acrobat Reader 7.0. — <URL:http://elib.spbstu.ru/dl/2/v17-4095.pdf>. — <URL:http://doi.org/10.18720/SPBPU/2/v17-4095>.

Дата создания записи: 23.10.2017

Тематика: анализ временных рядов; носимые устройства; алгоритмы классификации; выделение признаков

Коллекции: Выпускные квалификационные работы; Общая коллекция

Ссылки: DOI

Разрешенные действия: Прочитать Загрузить (0,7 Мб) Для чтения документа необходим Flash Player

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

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.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
-> Интернет Все Прочитать Печать Загрузить

Оглавление

  • 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

Статистика использования документа

stat Количество обращений: 529
За последние 30 дней: 6
Подробная статистика