TY - Jour A2 - 杨，小杉AU - Cao，Junkuo Au - Lin，Mingcai Au - Wang，Han Au - Fang，Jiaheng Au - Xu，Yueshen Py - 2021 DA - 2021/04/20 TI - 通过多维活动识别移动数据融合与智能手机和深度学习SP - 6615695 VL - 2021 AB - 活动识别领域相对较早发展，吸引了无数的研究人员。随着科学技术的不断发展，人们对人类活动认可的研究也在加深，变得丰富。如今，无论是医学，教育，体育还是智能家，各种田地都对活动识别产生了强烈的兴趣，并一系列研究结果也已成为人们的真正生产和生活。如今，智能手机变得非常流行，这项技术变得越来越成熟，各种传感器在历史性时刻出现，因此基于移动电话传感器的活动识别相关研究具有其必要性和可能性。本文将使用Android智能手机收集人类的六种基本行为的数据，沿着它的加速度传感器走路，跑步，站立，坐着，楼上和楼下，并使用深层学习CNN的经典模型（卷积神经网络）为了融合那些多维移动数据，使用TensorFlow进行模型训练和测试评估。生成的模型最终移植到Android手机以完成移动结束活动识别系统。SN - 1574-017X UR - https://doi.org/10.1155/2021/6615695 Do - 10.1155 / 2021/6615695 JF - 移动信息系统PB - Hindawi Kw - ER -