论文部分内容阅读
人体活动识别的现有方法大都基于加速器分析进行，但对于长期监视研究对象的日常活动并不适用。样本熵作为时间序列稳定性的度量，能够检测出时间序列发生异常的时间点，同时可以长期监视研究对象的日常活动。因此，将样本熵引入到人体活动识别领域，选择ELM作为分类器，通过观察样本熵对测试准确率的影响来判断其有效性。实验表明，样本熵在人体活动识别中有着良好效果，ELM比SVM具有更好的识别准确率。