Детальная информация

Название: Применение методов машинного обучения для распознавания двигательной активности человека с помощью мобильных устройств: бакалаврская работа: 09.03.01
Авторы: Намаконов Егор Сергеевич
Научный руководитель: Никитин Кирилл Вячеславович
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2017
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: анализ временных рядов; носимые устройства; алгоритмы классификации; выделение признаков
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 09.03.01
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
DOI: 10.18720/SPBPU/2/v17-4095
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

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 Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
Интернет Авторизованные пользователи (не СПбПУ)
-> Интернет Анонимные пользователи

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

stat Количество обращений: 70
За последние 30 дней: 0
Подробная статистика