Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Comparison of Classification Algorithms for Physical Activity Recognition

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F14%3A86096057" target="_blank" >RIV/61989100:27240/14:86096057 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27740/14:86096057

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-319-01781-5_12" target="_blank" >http://dx.doi.org/10.1007/978-3-319-01781-5_12</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-01781-5_12" target="_blank" >10.1007/978-3-319-01781-5_12</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Comparison of Classification Algorithms for Physical Activity Recognition

  • Popis výsledku v původním jazyce

    The main aim of this work is to compare different algorithms for human physical activity recognition from accelerometric and gyroscopic data which are recorded by a smartphone. Three classification algorithms were compared: the Linear Discriminant Analysis, the Random Forest, and the K-Nearest Neighbours. For better classification performance, two feature extraction methods were tested: the Correlation Subset Evaluation Method and the Principal Component Analysis. The results of experiment were expressed by confusion matrixes. (C) Springer International Publishing Switzerland 2014.

  • Název v anglickém jazyce

    Comparison of Classification Algorithms for Physical Activity Recognition

  • Popis výsledku anglicky

    The main aim of this work is to compare different algorithms for human physical activity recognition from accelerometric and gyroscopic data which are recorded by a smartphone. Three classification algorithms were compared: the Linear Discriminant Analysis, the Random Forest, and the K-Nearest Neighbours. For better classification performance, two feature extraction methods were tested: the Correlation Subset Evaluation Method and the Principal Component Analysis. The results of experiment were expressed by confusion matrixes. (C) Springer International Publishing Switzerland 2014.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/EE.2.3.20.0073" target="_blank" >EE.2.3.20.0073: Bio-inspirované metody: věda, vzdělávání a transfer znalostí</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Advances in Intelligent Systems and Computing. Volume 237

  • ISBN

    978-3-319-01780-8

  • ISSN

    2194-5357

  • e-ISSN

  • Počet stran výsledku

    9

  • Strana od-do

    123-131

  • Název nakladatele

    Springer

  • Místo vydání

    New York

  • Místo konání akce

    Ostrava

  • Datum konání akce

    22. 8. 2013

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku