论文部分内容阅读
近几十年来,人类活动识别系统因其在智能家居卫生保健等方面的突出应用,引起了模式识别和人机交互研究者的广泛关注.例如,可以在智能家居医疗系统中采用活动识别系统来改善患者的康复过程.活动识别系统利用各种不同功能的传感器来获得用户行为产生的数据及其所处环境的状态数据,之后使用外部计算资源对这些搜集到的数据做计算.使用该系统能够为人类的运动行为和生活方式提供有价值的信息.本文提出了一种基于智能手机惯性传感器的人体活动识别系统.考虑到个人智能手机在能源与算力方面的局限性,该系统降低了对硬件的要求,我们使用标准支持向量机算法做分类,利用核主成分分析降低计算成本.与传统的支持向量机相比,在保持相似的精度的同时,计算开销有了显著的降低,有助于该系统的普及与推广.