IX. RESULTS - ACTIVITY TRACKINGIn t

IX. RESULTS - ACTIVITY TRACKING
In the previous example, we developed a network with its nodes corresponding to different parts of the same body. For the purpose of activity tracking, a body sensor network can be used to aggregate data from different individuals.
This study demonstrates two networked smartphones, be-
longing to separate individuals, recording data over the period of two hours. This study also served the purpose of testing the application’s ability to stream data correctly during everyday use. To form a contrasting set of results indicative of both sedentary and active behaviour, the two individuals were chosen based on the amount of activity they experience on a daily basis. For this experiment, each phone was set to record motion at 10f/s and the study accumulated in excess of 0.5 million points of data (corresponding to 72 000 vector readings and timestamps per individual). In reality, that sampling rate would be reduced to preserve database storage space and smartphone battery [16]. During the recording process, the application sums all angular increments and decrements to extrapolate a coefficient indicative of activity. If the smart- phone is rotated 1 degree along each of its three axes, the coefficient of activity will equal 3 (regardless if the rotations are clockwise or anticlockwise). Fig. 9 illustrates a comparison between the two sets of data.

ผลลัพธ์ (ไทย) 1:

IX. ผล - กิจกรรมติดตาม
ในตัวอย่างก่อนหน้านี้ เราพัฒนาเครือข่ายกับโหนดรที่สอดคล้องกับส่วนต่าง ๆ ของร่างกายเดียวกัน เพื่อติดตามกิจกรรม เครือข่ายเซ็นเซอร์ร่างกายใช้เพื่อรวมข้อมูลจากบุคคลอื่นได้
การศึกษานี้แสดงให้เห็นถึงเครือข่ายโฟนสอง มี-
ลิ้นแยกรายบุคคล บันทึกข้อมูลในช่วง 2 ชั่วโมงได้ การศึกษานี้ยังให้บริการวัตถุประสงค์ของการทดสอบสามารถสตรีมข้อมูลของโปรแกรมประยุกต์อย่างถูกต้องระหว่างใช้ชีวิตประจำวัน แบบชุดแตกต่างกันของผล ส่อพฤติกรรมแย่ ๆ และใช้งาน บุคคลสองที่ถูกเลือกโดยขึ้นอยู่กับจำนวนกิจกรรมที่พวกเขามีประสบการณ์ในชีวิตประจำ สำหรับการทดลองนี้ โทรศัพท์แต่ละถูกตั้งค่าให้บันทึกการเคลื่อนไหวที่ 10f/s และสะสมเกินกว่า 0.5 ล้านจุด (ตรงอ่าน 72 000 เวกเตอร์การประทับเวลาสำหรับแต่ละบุคคล) ข้อมูลการศึกษา ในความเป็นจริง จะลดอัตราการสุ่มตัวอย่างเพื่อรักษาฐานข้อมูลเก็บข้อมูลพื้นที่และสมาร์ทโฟนแบตเตอรี่ [16] ในระหว่างกระบวนการบันทึก โปรแกรมหาผลรวมทีละแองกูลาร์และ decrements การ extrapolate สัมประสิทธิ์ที่ส่อกิจกรรมทั้งหมด ถ้า ระดับ 1 หมุนตามแกนทั้งสามของแต่ละโทรศัพท์สมาร์ท สัมประสิทธิ์ของกิจกรรมจะเท่ากับ 3 (ไม่คำนึงถึงถ้าการหมุนเวียนตามเข็มนาฬิกา หรือทวน) Fig. 9 แสดงการเปรียบเทียบระหว่างข้อมูลสองชุด

ผลลัพธ์ (ไทย) 2:

ทรงเครื่อง ผล - กิจกรรมติดตาม
ในตัวอย่างก่อนหน้านี้เราได้พัฒนาเครือข่ายที่มีโหนดที่สอดคล้องกับส่วนต่างๆของร่างกายเดียวกัน เพื่อวัตถุประสงค์ในการติดตามกิจกรรมของเครือข่ายเซ็นเซอร์ร่างกายสามารถใช้ในการรวมข้อมูลจากบุคคลที่แตกต่างกัน
การศึกษาครั้งนี้แสดงให้เห็นถึงสองมาร์ทโฟนในเครือข่าย BE-
ความปรารถนาที่จะแยกบุคคลการบันทึกข้อมูลในช่วงสองชั่วโมง การศึกษาครั้งนี้ยังทำหน้าที่จุดประสงค์ของการทดสอบความสามารถในการประยุกต์ใช้ในการสตรีมข้อมูลที่ถูกต้องในระหว่างการใช้ชีวิตประจำวัน ในรูปแบบการตั้งค่าที่แตกต่างของผลที่แสดงให้เห็นถึงพฤติกรรมของทั้งสองอยู่ประจำที่และการใช้งานสองคนได้รับการแต่งตั้งขึ้นอยู่กับจำนวนของกิจกรรมที่พวกเขามีประสบการณ์ในชีวิตประจำวัน สำหรับการทดสอบนี้โทรศัพท์แต่ละคนถูกกำหนดให้บันทึกการเคลื่อนไหวที่ 10 / วินาทีและการศึกษาที่สะสมเกินกว่า 0.5 ล้านจุดของข้อมูล (ตรงกับ 72 000 อ่านเวกเตอร์และบันทึกเวลาต่อบุคคล) ในความเป็นจริงอัตราการสุ่มตัวอย่างที่จะลดลงเพื่อรักษาพื้นที่จัดเก็บฐานข้อมูลและแบตเตอรี่มาร์ทโฟน [16] ในระหว่างขั้นตอนการบันทึกผลรวมแอพลิเคชันเพิ่มขึ้นทีละเชิงมุมและการลดลงในการคาดการณ์ค่าสัมประสิทธิ์บ่งบอกถึงกิจกรรม หากโทรศัพท์ Smart-หมุน 1 องศาพร้อมทั้งสามแกนของค่าสัมประสิทธิ์ของกิจกรรมจะเท่ากับ 3 (ไม่ว่าหากมีการหมุนตามเข็มนาฬิกาหรือทวนเข็มนาฬิกา) รูปที่ 9 แสดงให้เห็นถึงการเปรียบเทียบระหว่างสองชุดข้อมูลที่

ผลลัพธ์ (ไทย) 3:

9 ผล - ติดตามกิจกรรม
ในตัวอย่างก่อนหน้านี้ เราได้พัฒนาเครือข่ายของโหนดที่สอดคล้องกับส่วนต่างๆของร่างกายได้เหมือนกัน สำหรับวัตถุประสงค์ของการติดตามกิจกรรม , ตัวเซ็นเซอร์เครือข่ายที่สามารถใช้เพื่อรวมข้อมูลจากบุคคลอื่น การศึกษาครั้งนี้แสดงให้เห็นถึงสอง
-
เครือข่ายมาร์ทโฟนจะต้องแยกบุคคล , บันทึกข้อมูลในระยะเวลา 2 ชั่วโมงการศึกษานี้ยังทำหน้าที่วัตถุประสงค์ของการทดสอบของโปรแกรมความสามารถในการสตรีมข้อมูลที่ถูกต้องในการใช้งานทุกวัน แบบตัดชุดของผลลัพธ์แสดงของทั้งกลุ่มและพฤติกรรมการใช้งาน สองบุคคลที่ถูกเลือกขึ้นอยู่กับปริมาณของกิจกรรมที่พวกเขาประสบในชีวิตประจำวัน สำหรับการทดลองนี้โทรศัพท์แต่ละถูกตั้งค่าเพื่อบันทึกการเคลื่อนไหวที่ 10f / s และการสะสมส่วนเกินของจำนวน 0.5 ล้านจุด ( สอดคล้องกับ 72 000 เวกเตอร์การอ่านและ timestamps ต่อบุคคล ) ในความเป็นจริง ที่อัตราการสุ่มตัวอย่างจะต้องลดลงเพื่อรักษาพื้นที่การจัดเก็บฐานข้อมูลและ Smartphone แบตเตอรี่ [ 16 ] ในระหว่างขั้นตอนการบันทึกโปรแกรมรวมเพิ่มขึ้นเชิงมุมและ decrements extrapolate ค่าจํานวนของกิจกรรม ถ้าสมาร์ท -- โทรศัพท์จะหมุน 1 องศา ตามแต่ละสามแกน , ค่าสัมประสิทธิ์ของกิจกรรมจะเท่ากับ 3 ( ไม่ว่าจะเป็นหมุนตามเข็มนาฬิกาหรือทวนเข็มนาฬิกา ) รูปที่ 9 แสดงให้เห็นถึงการเปรียบเทียบระหว่างสองชุดของข้อมูล .