python特征提取方法_行为识别常用哪种特征提取？

我是中科院计算所的博士研究生，以前做过一些行为识别方面的研究。这里提供几个链接：

一、我的github上关于机器学习及行为识别的资料，有课程有资料有论文，比较详细：GitHub - jindongwang/MachineLearning: 一些关于机器学习的学习资料与研究介绍 GitHub - jindongwang/activityrecognition: Information about activity recognition

二、关于提特征的问题，主要是时域和频域特征，用滑动窗口提取特征，比如平均数、方差、过零率等，还有傅里叶变换后的幅度、频率、均值等。

三、可用数据集:

来自UCI的一个行为识别数据集，可用来练手：UCI Machine Learning Repository: Daily and Sports Activities Data Set

四、我写的python和matlab提取特征代码，见文章最后

五、最近刚发现一个自动提取时间序列特征的库，可以省不少事，地址在这里：blue-yonder/tsfresh

下面以行为识别中最常用的加速度为例，分别从滑动窗口、时域特征、频域特征三部分做简单的分析。文章最后附有我写的python提取特征程序。

0.滑动窗口

滑动窗口由两个关键变量构成：窗口大小(windowssize)和滑动步长(step)。其中，窗口大小指的是一次处理的数据量。假设传感器采样频率为

，那么一个窗口大小通常设定为

，步长为

。

在实际应用中，我们一般选择的窗口大小为2的指数次：

这样能保证提取频域特征时，傅里叶变换的顺利进行。

1.合成加速度

加速度计通常有三轴读数

，分别表示三个方向的加速度值。在实际应用中，除去一些特定的动作需要使用特定的单轴来辨别方向之外，通常我们是将三轴加速度合成为一个加速度值(合成加速度)，之后的特征提取与分类全以合成加速度为初始数据进行。这样在确保精度的同时，减少了计算复杂性。

以