4

加速度計を使用して、ジャンプ、ランニング、ウォーキングなどのモーション タイプを検出するモバイル アプリの開発に着手しようとしています。加速度計から収集されたサンプル データのパターンを検出します。私は機械学習にまったく慣れていませんが、(他の専門家がオンラインで提供したヒントに基づいて) 正しく理解できれば、サポート ベクター マシンまたはニューラル ネットワークのいずれかを使用して、収集したサンプルのパターンを認識し、特定の動きの種類にマッピングできます。また、OpenCV ライブラリが両方の方法を提供することも知っています。

この分野の専門知識を持っている人が、どちらの方法を使用するのが良いかを教えてくれますか?また、データ収集から結果の提示までに必要な手順を案内してくれますか?

4

1 に答える 1

5

一般的なケースで SVM または NN が優れていることを示す確固たる証拠はなく、パフォーマンスはアプリケーションと両方のアルゴリズムの設定方法に大きく依存します。したがって、新しいアプリケーションを見つける唯一の方法は、同じデータを使用して両方を試し、どちらが優れているかを確認することです。

また、NN は通常、分類では計算が高速ですが、トレーニングでは低速です。SVM はトレーニングでは高速ですが、分類では低速です。

あなたの場合、アルゴリズムへの入力パラメータがより大きな問題になります。生の加速度計データを SVM または NN にフィードしません。代わりに、全体的なパワー、標準偏差、周波数領域の係数などの基本的な情報を前処理して取得し、速度を判断します。このようにすることで、分類子を改善および調整するためのより良い直感が得られます。適切な入力パラメータがあれば、基本的な動きを決定するために NN や SVM を必要とせず、単純な最も近い距離の識別子だけで機能する場合があります。幸運を。

于 2012-08-18T17:15:30.240 に答える