20、从安卓加速度计数据推断用户活动及隐马尔可夫模型解析

从安卓加速度计数据推断用户活动及隐马尔可夫模型解析

1. 从安卓加速度计数据推断用户活动

在分析用户活动时，我们可以利用安卓加速度计数据。首先，通过无监督聚类和急动度大小，将参与者的运动分为两类，但暂时不确定哪类是短而突然的运动，哪类是渐进的运动，这可以留待后续分类活动确定。

接下来，我们聚焦于单个参与者的运动分类。之前在处理单个声音文件时，我们可以对其进行分割，在特定时间段分离出说话者并进行分类。对于每个参与者的位置点数据，我们也可以使用TensorFlow和k - means聚类来进行类似操作。

我们使用的“用户步行活动数据集”来自UCI的机器学习库，相关论文指出参与者进行了五类活动：爬楼梯、站立、步行、交谈和工作。我们可以将单个参与者的N个位置数据样本进行分组，尝试自动将代表特定时间加速度计读数的点划分并聚类到不同的活动类别中。

具体操作步骤如下：
1. 定义超参数 ：设置 segment_size = 50 。
2. 获取CSV位置数据 ：定义 get_accel_data 函数，读取CSV文件并返回其值。

segment_size = 50
def get_accel_data(accel_file):
    accel_file_frame = pd.read_csv(accel_file, header=None, sep=',', 
                  names = ["Time", "XP