FGs*_*ama 2 pattern-recognition artificial-intelligence classification machine-learning neural-network
我的任务是为我的公司执行现有分类器的基准测试.目前最大的问题是区分不同类型的交通工具,比如识别我目前是否在火车上,驾驶汽车或骑自行车,这是主要关注点.
我一直在阅读很多关于LSTM,http://en.wikipedia.org/wiki/Long_short_term_memory及其最近在手写和语音识别方面的成功,其中重大事件之间的时间可能相当长.
所以,我第一次想到火车/公共汽车的问题是,可能没有像走路/跑步那样明显和短暂的周期,因此长期记忆可能是至关重要的.
有没有人尝试过类似的结果？或者是否有其他技术可以更好地解决这个问题？
我使用智能手机加速度计研究了交通检测模式.我发现的主要结果是几乎所有分类器都会这样做; 关键问题是功能集.(这与许多其他机器学习问题没什么不同.)我的功能集最终包含时域和频域值,两者都来自时间序列滑动窗口分段.
另一个问题是加速度计可以放在任何地方.在身体上,它可以在任何地方和任何方向.如果用户正在驾驶,手机是放在口袋里,放在包里,放在汽车座椅上,是否附在吸盘式窗台上？
如果您想避免这些问题,请使用GPS代替加速度计.您可以使用该传感器进行相对准确的分类,但成本是电池使用量.