主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2019-2020年专刊出版计划 微信服务介绍 最新一期:2019年第2期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
时岳,喻纯,史元春.基于旋转模式的移动设备佩戴位置识别方法.软件学报,2013,24(8):1898-1908
基于旋转模式的移动设备佩戴位置识别方法
Virtual Resource Evaluation Model Based on Entropy Optimized and Dynamic Weighted in Cloud Computing
投稿时间:2013-01-18  修订日期:2013-03-29
DOI:10.3724/SP.J.1001.2013.04409
中文关键词:  佩戴位置  移动设备  惯性传感器  旋转模式
英文关键词:on-body position  mobile device  inertial sensor  rotation pattern
基金项目:国家自然科学基金(61272230); 国家高技术研究发展计划(863)(2009AA01Z336); 清华大学自主科研项目(20111081113)
作者单位E-mail
时岳 清华大学 计算机科学与技术系, 北京 100084
清华信息科学与技术国家实验室(清华大学) 普适计算研究部, 北京 100084 
shiyue625@gmail.com 
喻纯 清华大学 计算机科学与技术系, 北京 100084
清华信息科学与技术国家实验室(清华大学) 普适计算研究部, 北京 100084 
 
史元春 清华大学 计算机科学与技术系, 北京 100084
清华信息科学与技术国家实验室(清华大学) 普适计算研究部, 北京 100084 
 
摘要点击次数: 2119
全文下载次数: 2736
中文摘要:
      移动设备计算能力和传感能力的发展,使其可以为用户提供多种基于情境信息的服务.移动设备的佩戴位置作为一种重要的情境信息,影响着其他用户活动的识别效果和移动应用的自适应功能.分析得出当移动设备在不同身体部位佩戴时,旋转变化模式不同.提出了一种识别设备随身佩戴位置的方法.该方法使用加速计与陀螺仪两种传感器进行数据融合,计算出旋转半径、角速度幅度和重力加速度并提取特征.在分类时,使用随机森林作为分类器,并与使用支持向量机的方案进行了对比.为了检验其效果,在包含3 种佩戴位置和13 种用户活动种类的公开数据集上进行了实验.实验结果显示,该方法能够达到平均95.39%的交叉验证准确率;同时表明,在满足旋转占主要成分和重力加速度方向稳定的前提下,使用旋转变化信息和集成分类器有助于提高分类效果.与之前的方法相比,该方法可以更准确地对佩戴位置进行区分,并对新用户与新活动类型情况下的位置识别具备更强的泛化能力.
英文摘要:
      The development of the computing power and sensing ability of mobile devices allows them to provide various contextadapted services to users. The on-body position of mobile devices, which is one kind of important context information, affects the recognition of other human activities and the adaptability of many mobile applications. The study provides a method to recognize the on-body positions of mobile devices, inspired by the analysis that different positions on the body have distinguishable rotation patterns. The research then fuses the data sensed by the accelerometer and the gyroscope to calculate the rotation radius, the magnitude of the angular velocity as well as the gravity acceleration and then extract a set of features. A classifier based on the Random Forest is used for classification and compared with the solution based on the support vector machine. To evaluate the method, the paper conducts an experiment on a public dataset with 3 types of positions and 13 types of activities. Results show that the method achieved an accuracy of 95.39% on average in the cross validation and indicate that when rotation is the main component in the movement and the direction of the gravity acceleration is stable, the information about rotation variation and the ensemble classifier are useful to improve the classification accuracy. Compared to previous works, it is able to classify the positions more precisely and has more generalization ability for new users and new activities.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利