Журнал основ возобновляемой энергии и приложений
Открытый доступ

Абстрактный

Сравнительное исследование моделей классификации машинного обучения для распознавания действий

Мохсен Набиан

Системы распознавания активности (AR) — это модели машинного обучения, разработанные для мобильных телефонов и умных носимых устройств для распознавания различных видов человеческой деятельности в реальном времени, таких как ходьба, стояние, бег и езда на велосипеде. В этой статье на наборе данных исследуется производительность (точность и время вычислений) нескольких известных контролируемых и неконтролируемых моделей обучения, включая логистическую регрессию, опорную векторную машину, метод K-ближайших соседей, наивную базу, «дерево решений» и случайный лес. Показано, что модель случайного леса превосходит другие модели с точностью более 99 процентов. Показано, что PCA значительно улучшил производительность искусственной нейронной сети с одним скрытым слоем и моделей SVM как по точности, так и по времени, в то время как PCA показал отрицательное влияние на модели случайного леса или дерева решений, увеличив время выполнения и уменьшив точность прогнозирования.