AReM
AReM (Activity Recognition system based on Multisensor data fusion)
是人体姿态识别数据集，主要包括传感器数据，以及人体对应的姿态。下方左图表示传感器 放置位置，右图为示例的 Bending 姿态。
Sensors placement Bending1
作业 3 任务
自选编程语言，实现 RBF 神经网络，并将其用于姿势识别。
数据集文件说明
arem_train.csv 训练数据，样本数 36747 arem_test.csv 测试数据,样本数5012 数据集文件中各列数据的实际含义及数据类型如下表:
Bending2
X
列名
avg_rss12 var_rss12 avg_rss13 var_rss13 avg_rss23
var_rss23
实际含义 数据类型
传感器数据 float
y activity
人体姿态类别 string
其中人体姿态类别包括:bending1, bending2, walking, standing, sitting, lying, cycling.
本次的任务即是根据传感器数据 X ，来识别出对应的人体姿态 y 。
注意事项
⚫ Feature Scaling，特征数据的归一化;
⚫ Batch Training，数据的分批训练。
⚫ 对于分类类型的机器学习任务，常用准确率来衡量模型分类性能有:
准确率: accuracy = #正确分类的个数 #总的样本数
本次作业为多分类任务，即数据集包含多个分类，可以计算总的分类正确率，也可以对 于每一个分类，计算该分类所对应的准确率。比如分别计算 bending1, bending2, walking, standing, sitting, lying, cycling 的准确率。例如对于 walking 的准确
率: sum( ( y_pre == y_true ) & ( y_true == ‘walking’ ) ) sum( y_true == ‘walking’ )
Reference
[1] UCI AReM Data Set
https://archive.ics.uci.edu/ml/datasets/Activity+Recognition+system+based+on+Multisensor+data+fusion +%28AReM%29#
[2] F. Palumbo, C. Gallicchio, R. Pucci and A. Micheli, Human activity recognition using multisensor data fusion based on Reservoir Computing, Journal of Ambient Intelligence and Smart Environments, 2016, 8 (2), pp. 87-107.