Details
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 | |
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 |
Record create date | 10/23/2017 |
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 |
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.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
- 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
Access count: 626
Last 30 days: 0