基于手机加速度器和螺旋仪的室内运动状态分类

摘要

实现了使用安卓手机内置的传感器-加速度器和螺旋仪对使用者的运动数据进行收集,并进行特征选择,通过机器学习的算法进行室内运动状态的分类.分类的运动状态有静止、走路、坐下、上楼、下楼、电梯上行、电梯下行、摔倒、帕金森抖动.使用了监督式学习算法:决策树、随机森林、支持向量机、神经网络、朴素贝叶斯、KNN、逻辑回归等算法,并且进行分类效果对比.实验结果表明,加速度器和螺旋仪一起收集数据比只用单个最后分类精度要高.对加速度器和螺旋仪收集数据进行特征选择完后的原始数据,决策树算法得到了97.54％的分类精确率.而原始数据取完中位数后精度下降了.根据用户的运动状态,制定规则进行奖励和惩罚.