11、人类活动识别：方法、数据集、应用与挑战

人类活动识别：方法、数据集、应用与挑战

1. 人类活动识别方法

人类活动识别（HAR）的方法主要分为基于机器学习和基于深度学习两类。

1.1 基于机器学习的方法

许多研究者将多种机器学习算法应用于人类活动分类。以下是一些具体的应用案例：
|研究者|应用算法|数据集|最佳算法及准确率|
| ---- | ---- | ---- | ---- |
|Long Cheng等|SVM、NN、HMM|UCI机器学习库的人类活动分类数据集|未提及|
|Zameer Gulzar等|RF、NB、KNN、梯度下降、逻辑回归|UCI机器学习库的数据集|神经网络和逻辑回归表现更好|
|Min - Cheol Kwon等|DT、SVM、RF、ANN|智能手表收集的数据集，考虑11种活动|ANN，准确率95%|
|Haritha Vellampalli|KNN、DT、NB、LR、ANN（先使用PCA和CA进行降维）|未提及|使用CA特征降维方法的ANN，准确率97%|
|Abdul Lateef Haroon PS等|KNN|提取关节的时空特征|随着内存需求增加，准确率提高|
|Ya Min等|J48、决策树、JRIP、NB、AD1、随机森林|WISDM数据集|随机森林，准确率94.68%|
|Nadeem Ahmed等|支持向量机（多类，非线性核），结合过滤和包装的特征选择方法|未提及|准确率96.81%|
|Jitenkumar B Rana等|决策树、随机森林、AdaBoost、SVM|公开可用数据集|随机森林，准确率99.80%|

1.2 基于深度学习的方法

深度学