13、高效传感与分类以延长电池续航

高效传感与分类以延长电池续航

1. 优化问题概述

在进行人类活动识别时，需要在满足能量和内存约束的条件下，尽量减少能量消耗，同时保证分类误差在一定范围内，并满足内存要求。我们可以将这个问题形式化地定义为以下优化问题：
- 目标函数：
- 最小化 $\sum_{x_t \in \mathcal{D}} f \times (Sense(x_t) + Compute(x_t))$
- 约束条件：
- $\sum_{x_t \in \mathcal{D}} (y_t - f(x_t)) \leq \epsilon$
- $M \leq k$

这个优化问题的目的是在满足分类误差上限（式 5）和内存约束（式 6）的前提下，最小化传感和计算所消耗的能量。通过这个问题，我们可以设定分类准确率和内存大小的期望阈值，并在传感器节点上对物理活动进行分类时最小化能量消耗。

2. 方法

人类活动识别是一个多分类问题，随着类别和传感器节点数量的增加，系统的计算复杂度也会提高。传统的单多类分类器在功率和内存需求方面可能效率不高。因此，我们采用分治法，将问题分解为多个层次分类器，在不损失分类准确率的前提下节省能量和计算资源。我们提出的概率级联分类器具有传感效率高、个性化结构和特征计算效率高的特点。我们使用两个数据集来评估该分类器的性能：
- “Daily and Sports Activities” 数据集：包含 8 个受试者进行的 19 种活动。
- “PAMAP2 Physical Activity Monitoring” 数据集：包含 9 个受试者进行的 12 种活动。

两个数据集都包含原始的