7、人类日常活动识别与智能医疗健康分类技术

人类日常活动识别与智能医疗健康分类技术

1. 人类日常活动识别模型评估

1.1 评估指标

在人类日常活动识别（HAR）中，有几个关键的评估指标用于衡量模型的性能：
- 精确率（Precision） ：也称为正预测值，描述了模型将样本分类为正类的准确性。计算公式为：$Precision = \frac{TP}{TP + FP}$
- 召回率（Recall） ：也称为灵敏度，描述了模型检测正样本的能力。计算公式为：$Recall = \frac{TP}{TP + FN}$
- F1分数（F1 Score） ：将模型的精确率和召回率合并，定义为模型精确率和召回率的调和平均值。计算公式为：$F1 Score = \frac{2}{\frac{1}{Recall}+\frac{1}{Precision}}$

1.2 实验结果

实验模型在三个部分进行了测试：
1. 结合11种日常生活活动（ADLs）和4种跌倒活动
2. 11种ADLs
3. 4种跌倒活动

各部分的结果值分别显示在以下表格中：
|模型|准确率|精确率|召回率|F1分数|
| ---- | ---- | ---- | ---- | ---- |
|ResNet - 18|98.91|0.99|0.98|0.98|
|GoogLeNet|97.75|0.98|0.99|0.95|
|VGG11|94.49|0.95|0.97|0.93|

从表格