Local analysis. In addition to an o

Local analysis. In addition to an overall analysis of quality of physical exercises GymSkill aims for unveiling interesting and
informative portions of the recorded sensor data streams. When analyzing re-occurring movements, which are smooth in
the ideal case, the term ‘interesting’ refers to those sections where the sensor data appear unusual compared to the rest.
This is e.g. the case when a participant hesitates or gets stuck while exercising.
Unlike standard techniques for time-series analysis (e.g. [28,29]) our approach processes sensor data of arbitrary
dimensionality. This is crucial since flattening sensor data to one-dimensional sequences (e.g. using the Euclidean norm) can
destroy potentially important information of the original signals. Our basic assumption is that sensor data for a particularly
analyzed movement should share certain (unknown) statistical properties. Unusual portions of a sequence will violate this
assumption and can thus be identified as such.
Algorithm 1 describes the local quality assessment algorithm — Principal Component Breakdown Analysis (PCBA). It is
based on a PCA of a sensor data sequence utilizing local neighborhoods. By means of a sliding window technique all analysis
windows of length w are extracted and a PCA model is learned. It is applied to project all frames to a lower-dimensional subspace
whose dimensionality is determined by the analysis of the eigenvalue spectrum. Given a pre-defined threshold for
reconstruction quality (typically 95% of the variance shall be preserved) the target dimensionality for a particular frame-size
is chosen. Using the lower-dimensional projection then the original frames are reconstructed. The resulting reconstruction
errors are then used as measure for the quality of the underlying movement, which is sample-wise assigned to the original
sequence. The idea behind this quality measure is that PCA models will require more eigenvectors to preserve a certain

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์ภายใน นอกจากโดยรวมการ วิเคราะห์คุณภาพทางกายภาพของการออกกำลังกาย GymSkill มีวัตถุประสงค์สำหรับฯ ที่น่าสนใจ และส่วนข้อมูลกระแสข้อมูลเซนเซอร์บันทึกข้อมูล เมื่อวิเคราะห์การเคลื่อนไหวที่เกิดขึ้นใหม่ ที่ราบในห้องกรณี คำว่า 'น่าสนใจ' หมายถึงส่วนที่ข้อมูลเซนเซอร์ที่ปรากฏผิดปกติเมื่อเทียบกับส่วนเหลือนี้ได้เช่นกรณีเมื่อผู้เข้าร่วม hesitates หรือได้รับติดในขณะออกกำลังกายซึ่งแตกต่างจากเทคนิคมาตรฐานสำหรับการวิเคราะห์ชุดข้อมูลเวลา (เช่น [28,29]) วิธีการของเราประมวลผลข้อมูลเซนเซอร์ของกำหนดdimensionality นี้เป็นสิ่งสำคัญเนื่องจากสามารถแบนเซนเซอร์ข้อมูลลำดับ one-dimensional (เช่นใช้ปกติ Euclidean)ทำลายข้อมูลสำคัญอาจสัญญาณเดิม เราพื้นฐานเป็นข้อมูลที่เซ็นเซอร์เป็นอย่างยิ่งวิเคราะห์การเคลื่อนไหวควรใช้คุณสมบัติทางสถิติบางอย่าง (ไม่รู้จัก) ผิดปกติบางส่วนของลำดับจะละเมิดนี้อัสสัมชัญและสามารถทำได้เช่นกันอัลกอริทึม 1 อธิบายขั้นตอนวิธีการประเมินคุณภาพภายในโดยหลักส่วนประกอบจำแนกวิเคราะห์ (PCBA) จึงตาม PCA ของลำดับข้อมูลเซนเซอร์ใช้ท้องถิ่นละแวกใกล้เคียง โดยหมายถึง การเลื่อนหน้าต่างเทคนิควิเคราะห์ทั้งหมดหน้าต่างของ w ยาวที่สกัด และเรียนแบบ PCA มันจะใช้กับโครงการ subspace ล่างมิติเฟรมทั้งหมดdimensionality ซึ่งเป็นไปตามการวิเคราะห์สเปกตรัม eigenvalue กำหนดขีดจำกัดที่กำหนดไว้ล่วงหน้าสำหรับฟื้นฟูคุณภาพ (โดยทั่วไป 95% ของผลต่างจะเก็บรักษาไว้) dimensionality เป้าหมายสำหรับขนาดเฟรมเฉพาะโดยจะเลือก ใช้ฉายภาพล่างรูป จากเฟรมเดิมที่เชิด ฟื้นฟูได้ข้อผิดพลาดแล้วใช้เป็นวัดสำหรับคุณภาพของการแบบเคลื่อนไหว ที่ sample-wise กำหนดเดิมลำดับนั้น ความคิดเบื้องหลังการวัดคุณภาพนี้เป็นรุ่น PCA จะต้องเพิ่มเติมลักษณะเฉพาะเพื่อรักษาความบาง

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ท้องถิ่น นอกเหนือไปจากการวิเคราะห์โดยรวมของคุณภาพของการออกกำลังกายทางกายภาพ GymSkill
มีจุดมุ่งหมายเพื่อเปิดตัวที่น่าสนใจและส่วนข้อมูลของเซ็นเซอร์กระแสข้อมูลที่บันทึกไว้ เมื่อวิเคราะห์การเคลื่อนไหวที่เกิดขึ้นอีกซึ่งเป็นไปอย่างราบรื่นในกรณีที่เหมาะคำว่า 'น่าสนใจ' หมายถึงส่วนเหล่านั้นที่มีข้อมูลปรากฏเซ็นเซอร์ที่ผิดปกติเมื่อเทียบกับส่วนที่เหลือ. นี้เป็นเช่นกรณีที่ผู้เข้าร่วมการลังเลหรือได้รับการติดขณะออกกำลังกายซึ่งแตกต่างจากมาตรฐานเทคนิคสำหรับการวิเคราะห์อนุกรมเวลา (เช่น [28,29]) วิธีการของเราประมวลผลข้อมูลเซ็นเซอร์ของพลมิติ นี้เป็นสิ่งสำคัญตั้งแต่แฟบข้อมูลเซ็นเซอร์ลำดับหนึ่งมิติ (เช่นใช้บรรทัดฐานแบบยุคลิด) สามารถทำลายข้อมูลสำคัญที่อาจเกิดขึ้นของสัญญาณเดิม สมมติฐานพื้นฐานของเราคือว่าข้อมูลเซ็นเซอร์สำหรับโดยเฉพาะอย่างยิ่งการเคลื่อนไหววิเคราะห์ควรใช้บางอย่าง (ไม่ทราบ) คุณสมบัติทางสถิติ ส่วนที่ผิดปกติของลำดับนี้จะถือเป็นการละเมิดข้อสันนิษฐานและทำให้สามารถระบุได้ว่าเป็นเช่นนั้น. อัลกอริทึมที่ 1 อธิบายขั้นตอนวิธีการประเมินคุณภาพท้องถิ่น - องค์ประกอบหลักพังทลายวิเคราะห์ (PCBA) มันเป็นเรื่องที่ขึ้นอยู่กับ PCA ของข้อมูลเซ็นเซอร์ลำดับใช้ท้องถิ่นละแวกใกล้เคียงที่ โดยวิธีการของเทคนิคที่หน้าต่างบานเลื่อนทุกวิเคราะห์หน้าต่างของความยาวน้ำหนักที่สกัดและเรียนรู้รูปแบบ PCA มันถูกนำไปใช้กับโครงการเฟรมทั้งหมดไปยังสเปซที่ต่ำกว่ามิติที่มีมิติจะถูกกำหนดโดยการวิเคราะห์สเปกตรัม eigenvalue กำหนดเกณฑ์ที่กำหนดไว้ล่วงหน้าสำหรับคุณภาพการฟื้นฟู (ปกติ 95% ของความแปรปรวนจะถูกเก็บรักษาไว้) มิติเป้าหมายสำหรับเฉพาะกรอบขนาดได้รับการแต่งตั้ง การใช้ที่ต่ำกว่าประมาณการมิติแล้วกรอบเดิมที่มีการสร้างขึ้นใหม่ การฟื้นฟูที่เกิดข้อผิดพลาดที่ถูกนำมาใช้เป็นตัวชี้วัดคุณภาพของการเคลื่อนไหวพื้นฐานซึ่งเป็นตัวอย่างที่ชาญฉลาดที่ได้รับมอบหมายไปที่เดิมลำดับ คิดที่อยู่เบื้องหลังการวัดคุณภาพนี้คือรุ่น PCA จะต้อง eigenvectors มากขึ้นในการรักษาบางอย่าง