Jul, 2022

数据中探索行为偏向以提高人类活动识别

PDF
TL;DR本次研究针对老年痴呆患者行为的传感器自动评估，提出了利用聚类算法将患者特定行为分段，并通过特定行为分析对科学家实验结果进行分类，提高了老年痴呆患者活动识别性能。
dementiachallenging behaviorinterventionsclusteringclassification
发现论文，激发创造
  • 自然时间序列移动活动识别下行为和时间变化的域自适应

    通过采集数据集，支持在自然场景下进行移动活动识别和健康监测，使用无监督领域适应算法和对比学习来提高识别准确性，数据集可供使用。

    Jul, 2022

  • 利用可穿戴设备的机器学习模型自主识别认知能力较弱的老年人

    穿戴设备预测模型、认知损害、机器学习模型、预测特征、持续健康监测

    Aug, 2023

  • 利用可穿戴传感器数据进行无监督嵌入式学习的人体活动识别

    该论文介绍了一种无监督方法，通过基于人类活动的特性将人类活动投射到一个嵌入空间中，在该空间中相似的活动会紧密地聚集在一起，从而帮助聚类算法实现对人类活动的识别和分类，相较于直接应用于原始数据集的非监督技术，我们的方法在识别和分类潜在人类活动方面取得了更好的性能。

    Jul, 2023

  • 自动检测老年人家庭传感器中的日常生活活动作为常规行为的指标

    使用 NEX 项目开发的物联网系统和数据分析，可以支持老年人在家独立生活的无干扰健康和健康监测。使用自动检测日常生活活动（ADL）的可视化方法，可以实现 ADL 的自动检测以及可以无需重新训练系统来纳入新参与者的功能。

    Jul, 2023

  • 使用可穿戴数据的自监督表示进行人类活动识别

    本研究基于一个大规模无标签数据集上学习的自监督表征及浅层多层感知器模型，在未参与训练的真实世界数据集上取得了良好性能，并可通过不同传感器的数据训练，从而实现了设备无关型人体活动识别模型，将有助于增加 HAR 领域中模型评估的标准化。

    Apr, 2023

  • 基于深度学习的计算机视觉活动识别和老年人跌倒检测：系统性综述

    通过对深度学习在视觉数据上应用的研究文献的系统回顾，本研究讨论了关于独居老人安全的两个主要任务 —— 摔倒检测和人体活动识别，以及相关数据集和硬件设备的使用情况，并对现有方法的优势和劣势进行了讨论，提出了未来工作的建议。

    Jan, 2024

  • HAPRec: 混合式活动与计划识别

    通过混合使用动作识别模块和目标识别算法，本文实现了室内环境下的活动识别，以确定视频主体追求的最终目标。

    Apr, 2020

  • 对比预测编码用于人类活动识别

    使用 Contrastive Predictive Coding（CPC）框架进行人体活动识别，通过对感应器数据流的长期时间结构的捕捉，得到极好的识别效果，适用于仅有少量标记数据的情况。

    Dec, 2020

  • PARIS: 个性化活动推荐以改善睡眠质量

    使用机器学习技术，利用活动监测和健康追踪设备收集的数据，通过行为模式和活动推荐来提高人们的睡眠质量。

    Oct, 2021

  • Chrono 精神病：基于运动活动数据的时间分段及其对精神分裂症分类的影响

    精神分裂症是一种复杂的精神疾病，特征是广泛影响认知、行为和情绪的症状。本研究通过对 22 名精神分裂症患者和 32 名对照对象进行的运动活动记录数据集的调查，发现运动活动数据中时间模式对准确分类精神分裂症患者具有潜在关键作用。使用 16 种统计特征对不同时间段进行分析，并通过七种机器学习模型进行训练，结果表明 LightGBM 模型的性能优于其他六种模型。研究结果显示，时间分割显著提高了分类性能，AUC-ROC 为 0.93，F1 得分为 0.84（无分割）和 AUC-ROC 为 0.98，F1 得分为 0.93（有分割）。白天和夜晚之间的分割增加了精神分裂症患者和对照组之间的差异，但更小的时间段划分并未对 AUC-ROC 产生显著影响。早晨、下午、晚上和夜晚的分割性能类似于白天和夜晚的分割。这些发现具有重要价值，因为它们表明除了分辨白天和夜晚之外，对时间进行更大范围的分类并不能取得实质性的结果，为精神分裂症的进一步分类、早期诊断和监测提供了一种高效的方法。

    Nov, 2023