2、基于连续性的位置自适应活动识别方法（COPO）解析

基于连续性的位置自适应活动识别方法（COPO）解析

1. 引言

在在线活动识别中，当手机放置在新的身体位置时，识别率往往较低。为了提高识别率，我们可以利用识别结果对未标记样本进行标记，并选择一些正确识别的样本更新初始分类器，从而显著提高手机在新位置时的识别率。

2. 重训练数据选择

在实际应用的活动识别中，由于人类活动具有连续性，相邻两个活动之间存在相关性。例如，若当前活动是行走，那么前一个和后一个活动很可能也是行走，活动转换的概率较低。基于此思想，我们定义了三个基本概念：
- 活动持续时间 ：在实际应用中，一个活动出现时，该活动维持的平均样本数定义为活动持续时间。例如，上楼活动通常持续10个样本，那么上楼的活动持续时间就是10。
- 单一标签和连续标签 ：在识别标签序列中，与相邻标签不同的标签定义为单一标签，其余的称为连续标签。
- 连续数 ：在识别标签序列中，如果一个标签与其n个相邻标签相同，那么该标签的连续数就是n。

基于这三个定义，我们可以通过观察识别结果的连续数来评估其正确性。如果连续数为1，对应的样本被正确识别的概率较低；否则，概率相对较高。因此，在手机位置自适应活动识别框架中，我们可以选择连续数高于预定义阈值的标签及其对应的样本作为重训练数据。

3. 活动识别算法

详细的手机位置自适应活动识别算法如下：

算法1. 基于连续性的位置自适应识别方法（COPO）
输入: