Standard classification algorithms

Standard classification algorithms cannot be directly applied to
raw time-series accelerometer data. Instead, we first must transform
the raw time series data into examples [18]. To accomplish
this we divided the data into 10-second segments and then generated
features that were based on the 200 readings contained
within each 10-second segment. We refer to the duration of each
segment as the example duration (ED). We chose a 10-second ED
because we felt that it provided sufficient time to capture several
repetitions of the (repetitive) motions involved in some of the six
activities. Although we have not performed experiments to determine
the optimal example duration value, we did compare the
results for a 10-second and 20-second ED and the 10-second ED
yielded slightly better results (as well as twice as many training
examples).

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมการจัดประเภทมาตรฐานไม่มีใช้โดยตรงกับข้อมูลดิบเวลาชุดตรวจ แทน เราก่อนต้องแปลงข้อมูลอนุกรมเวลาดิบเป็นตัวอย่าง [18] เพื่อให้บรรลุนี้เราแบ่งข้อมูลออกเป็นกลุ่มที่สอง 10 และถูก สร้างขึ้นคุณลักษณะที่ได้ตามอ่าน 200 อยู่ภายในแต่ละเซ็กเมนต์ที่สอง 10 เราหมายถึงระยะเวลาของแต่ละส่วนเป็นระยะเวลาอย่าง (ED) เราเลือก ED 10 วินาทีเพราะเรารู้สึกว่า มันให้เวลาเพียงพอในการจับภาพหลายการทำซ้ำดัง (ซ้ำ) ที่เกี่ยวข้อง 6 แห่งกิจกรรม ถึงแม้ว่าเราไม่ได้ทำการทดลองเพื่อตรวจสอบค่าระยะเวลาอย่างเหมาะสม ที่เราได้เปรียบเทียบการผลลัพธ์สำหรับ ED 10 วินาที และ 20 วินาทีและ ED 10 วินาทีหาผลลัพธ์ที่ดีขึ้นเล็กน้อย (รวมทั้งฝึกอบรมสองเป็นจำนวนมากตัวอย่าง)

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีการจัดหมวดหมู่มาตรฐานไม่สามารถใช้โดยตรงกับ
อนุกรมเวลา accelerometer ข้อมูลดิบ แต่ครั้งแรกที่เราจะต้องเปลี่ยน
ข้อมูลอนุกรมเวลาดิบให้เป็นตัวอย่าง [18] เพื่อให้บรรลุ
นี้เราแบ่งข้อมูลออกเป็นส่วน 10 วินาทีและสร้างแล้ว
คุณสมบัติที่อยู่บนพื้นฐานของการอ่าน 200 มีอยู่
ในแต่ละส่วน 10 วินาที เราหมายถึงระยะเวลาของแต่ละ
ส่วนเป็นระยะเวลาตัวอย่างเช่น (ED) เราเลือก ED 10 วินาที
เพราะเรารู้สึกว่ามันให้เวลาเพียงพอที่จะจับภาพหลาย
ซ้ำ (ซ้ำ) ที่เกี่ยวข้องกับการเคลื่อนไหวในบางส่วนของหก
กิจกรรม ถึงแม้ว่าเราจะยังไม่ได้ทำการทดลองเพื่อตรวจสอบ
ตัวอย่างที่ดีที่สุดค่าระยะเวลาที่เราได้เปรียบเทียบ
ผลสำหรับ ED 10 วินาทีและ 20 วินาทีและ 10 วินาที ED
ผลให้ผลที่ดีกว่าเล็กน้อย (เช่นเดียวกับสองเท่าของการฝึกอบรมจำนวนมาก
ตัวอย่าง)

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีการมาตรฐานไม่สามารถใช้โดยตรงกับ
ดิบตามอนุกรมเวลาข้อมูล แต่เราต้องเปลี่ยน
ดิบข้อมูลอนุกรมเวลาในตัวอย่าง [ 18 ] เพื่อให้บรรลุนี้เราแบ่งข้อมูล
ออกเป็น 10 ส่วนที่สองแล้วสร้าง
คุณสมบัติที่ขึ้นอยู่กับ 200 อ่านอยู่
ภายในแต่ละ 10 วินาที ส่วน เราดูที่ระยะเวลาของแต่ละ
ส่วนที่เป็นตัวอย่างของเวลา ( เอ็ด ) เราเลือก 10 วินาทีเอ็ด
เพราะเรารู้สึกว่ามันมีเวลาเพียงพอที่จะจับหลาย
repetitions ของ ( ซ้ํา ) การเคลื่อนไหวที่เกี่ยวข้องกับบางส่วนของหก
กิจกรรม แม้ว่าเราไม่มีการทดลองเพื่อศึกษาตัวอย่างที่เหมาะสมระยะเวลาค่า

เราไม่ได้เปรียบเทียบผล 10 วินาที และ 20 วินาที และ 10 วินาทีเอ็ด
เอ็ดให้ผลผลลัพธ์ที่ดีกว่าเล็กน้อย ( รวมทั้งสองเป็นตัวอย่างการฝึกอบรม
มากมาย )