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
—