Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Robust Finite-Time Stabilization of Fractional-Order Extended Nonholonomic Chained Form Systems Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

37. An Activity Recognition Algorithm Based on Multi-feature Fuzzy Cluster

verfasst von : Huile Xu, Yi Chai, Wangli Lin, Feng Jiang, Shuaihui Qi

Erschienen in: Proceedings of the 2015 Chinese Intelligent Systems Conference

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper an activity recognition algorithm based on multi-feature fuzzy cluster is designed to find out more details of the activities so as to achieve an accurate classification among them. Firstly, it is proved that distribution of feature vectors vary from activity to activity. And then, a multi-feature extraction algorithm is designed to extract the feature vectors of each activity which makes up a standard activity class. Finally, an activity recognition algorithm based on similarity measurement is brought up and the misjudgment rate turns out to be acceptable, which proves that this algorithm is accurate and highly feasible.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel LQR-Based Optimal Leader-Follower Consensus of Second-Order Multi-agent Systems
Nächstes Kapitel Classifying the Epilepsy EEG Signal by Hybrid Model of CSHMM on the Basis of Clinical Features of Interictal Epileptiform Discharges
Literatur
1.
DeSA UN (2013) World population prospects: the 2012 revision. Population Division of the Department of Economic and Social Affairs of the United Nations Secretariat, New York
2.
Corchado JM, Bajo J, De Paz Y et al (2008) Intelligent environment for monitoring Alzheimer patients, agent technology for health care. Decis Support Syst 44(2):382–396CrossRef
3.
Chernbumroong S, Cang S, Yu H (2014) A practical multi-sensor activity recognition system for home-based care. Decis Support Syst 66:61–70CrossRef
4.
Baños O, Damas M, Pomares H et al (2013) Activity recognition based on a multi-sensor meta-classifier. In: Rojas I, Joya G, Cabestany J (eds) Advances in Computational Intelligence. Springer, Heidelberg, pp 208–215CrossRef
5.
Mo L, Liu S, Gao RX et al (2013) Multi-sensor ensemble classifier for activity recognition. J Softw Eng Appl 5(12):113CrossRef
6.
Khan AM, Lee YK, Lee S et al (2010) Accelerometer’s position independent physical activity recognition system for long-term activity monitoring in the elderly. Med Biol Eng Comput 48(12):1271–1279CrossRef
7.
Fang H, He L, Si H et al (2014) Human activity recognition based on feature selection in smart home using back-propagation algorithm. ISA Trans 53(5):1629–1638CrossRef
8.
Amft O, Tröster G (2008) Recognition of dietary activity events using on-body sensors. Artif Intell Med 42(2):121–136CrossRef
9.
Sazonov ES, Fulk G, Hill J et al (2011) Monitoring of posture allocations and activities by a shoe-based wearable sensor. IEEE Trans Biomed Eng 58(4):983–990CrossRef
10.
Baños O, Damas M, Pomares H et al (2012) A benchmark dataset to evaluate sensor displacement in activity recognition. In: Proceedings of the 2012 ACM Conference on Ubiquitous Computing. ACM, pp 1026–1035
11.
Preece SJ, Goulermas JY, Kenney LPJ et al (2009) A comparison of feature extraction methods for the classification of dynamic activities from accelerometer data. IEEE Trans Biomed Eng 56(3):871–879CrossRef
12.
Parkka J, Ermes M, Korpipaa P et al (2006) Activity classification using realistic data from wearable sensors. IEEE Trans Inf Technol Biomed 10(1):119–128CrossRef
13.
Banos O, Damas M, Pomares H et al (2013) Human activity recognition based on a sensor weighting hierarchical classifier. Soft Comput 17(2):333–343CrossRef
14.
Banos O, Damas M, Pomares H et al (2012) On the use of sensor fusion to reduce the impact of rotational and additive noise in human activity recognition. Sensors 12(6):8039–8054CrossRef
15.
Chavarriaga R, Sagha H, Calatroni A et al (2013) The Opportunity challenge: A benchmark database for on-body sensor-based activity recognition. Pattern Recogn Lett 34(15):2033–2042CrossRef
Metadaten
Titel
An Activity Recognition Algorithm Based on Multi-feature Fuzzy Cluster
verfasst von
Huile Xu
Yi Chai
Wangli Lin
Feng Jiang
Shuaihui Qi
Copyright-Jahr
2016
Verlag
Springer Berlin Heidelberg
Buch
Proceedings of the 2015 Chinese Intelligent Systems Conference

Print ISBN: 978-3-662-48363-3

Electronic ISBN: 978-3-662-48365-7

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-662-48365-7_37