基于深度学习的放置方式和位置无关运动.pdfVIP

第50卷第6期 浙 江 大 学 学 报(工学版) VoI．50No．6 2016年6月 JournalofZhejiangUniversity(EngineeringScience) Jun．2016 D()I：10．3785／j．issn．1008—973X．2016．06．018 基于深度学习的放置方式和位置无关运动识别 沈延斌，陈 岭，郭浩东，陈根才 (浙江大学计算机科学与技术学院，浙江杭州310027) 摘要：针对传统基于加速度传感器的运动识别方法依赖于传感设备的放置方式和位置的问题，提出一种基于深 度学习的运动识别方法，且与放置方式和位置无关．使用栈式自动编码器构建深度网络，结合逐层无监督学习和全 局有监督微调的方式，快速、有效地学习出原始数据的深层特征．设计不同放置方式和不同设备放置位置的学习策 略，并利用所学特征对不同设备放置方式和位置下的运动进行识别．实验结果表明：基于深度学习的方法可以从原 始数据中提取出与放置方式和位置无关的深度特征，相比传统方法，能够有效提高在非固定加速度传感设备放置 方式和位置下的运动识别准确率． 关键词：运动识别；传感设备位置．力Ⅱ速度传感设备；深度学习；普适计算 391．4 中图分类号：TP 文献标志码：A 文章编号：1008—973X(2016)06—1141一08 based of DeeplearningactiVityrecognitionindependent deViceorientationand placement SHEN Gen—cai Yan-bin，CHEN Ling，GUOHao—dong，CHEN Sfie”f已口以d (CozZPgPo，C077l户“￡Pr T■f丘”ozogy，2^巧i口竹gU九iu已，Isi￡y，H口ngz^o“310027，C^i以Ⅱ) orientationand Abstract：An methodbasedon and ofdevice activityrecognition deeplearningindependent was addressthe thattraditionalacceleration methods placementproposed，to problem activityrecognition onthefixeddeviceorientationsand Basedona usuallydepend placements． layer—wise anda neuralnetworkswereconstructedstackedauto— learning910balsupervisedfine—tuning，deep by encoder．Then，thefeaturesofthe methodwere and extractedfrom effectively