qq_25368751的博客

当前一代的便携式移动设备结合了各种类型的传感器，为分析人类行为开辟了新的领域。在本文中，我们提出了一种使用从智能手机的单个三轴加速度计收集的时间序列来识别人类身体活动的方法。首先，该方法解决了在线时间序列分割的问题，假设每个有意义的片段对应于一个基本的运动周期。为了提取基本周期，我们应用主成分分析技术构建了相位轨迹矩阵。所获得的片段指的是各种类型的人类身体活动。为了识别这些活动，我们使用k最近邻算法和神经网络作为替代。

比如有4个样本，其y_true为[[0, 0, 1], [0, 1, 0], [0, 1, 0], [1, 0, 0]]，y_pred为[[0.3, 0.6, 0.1], [0.5, 0.4, 0.1], [0.3, 0.6, 0.1], [0.9, 0, 0.1]]，根据前面知识我们可以计算得到其categorical_accuracy=50%，但是其top_k_categorical_accuracy是多少呢？binary_accuracy和accuracy最大的不同就是，它适用于2分类的情况。

人类活动识别

Detack函数

数据集UCI-HAR简介

数据类型错误

配置深度学习环境tensorflow-gpu