用TensorFlow建模,从加速度数据中学习出步长

这篇博客介绍如何利用TensorFlow分析手机记录的加速度数据,以学习并预测行人的步长。经过步平滑滤波和步频探测处理后的数据作为输入特征,包括步频和加速度方差,步长作为输出。通过训练,模型在迭代过程中逐步提升准确率,最终达到平均误差约0.046米。
摘要由CSDN通过智能技术生成

      行人拿着手机,手机记录了行人行走时的加速度数据,本文从加速度数据中学习出行人行走的步长。训练数据的是经过步平滑滤波和步频探测提取出来的。x是[步频,加速度方差],y是[步长]。

     

import tensorflow as tf
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from R_my_datas_loader import load_data_tf

fn = r'C:\Users\hyl\Desktop\data_library\stepLength_study\3q_2.csv'
fm = r'C:\Users\hyl\Desktop\data_library\stepLength_study\1q_2.csv'
train = pd.read_csv(fn)
test = pd.read_csv(fm)

flag = 1
if flag:      # 用频率和加速度方差数据
    test_x,test_y = load_data_tf(test,1)
    train = train[['frequence','var','StepLength']].values
    num = 141
else:         # 用频率差和加速度方差差数据
    test_x,test_y = load_data_tf(test,0)
    train = train[['df','dv','StepLength']].values
    num = 140
batch_size = 47
n_batch = int(len(train)/batch_size)

X = tf.placeholder(tf.float32,[None,
  • 4
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值