[[
✎ pl:dydaktyka:aml:lab5
]]
aiWiki
Pokaż stronę
Ostatnie zmiany
Indeks
Zaloguj
Ta strona jest tylko do odczytu. Możesz wyświetlić źródła tej strony ale nie możesz ich zmienić.
====== Wykrywanie aktywności użytkownika ====== ===== Octave ===== ==== Analiza danych ==== Napisz program zapisujący dane z akcelerometru do bazy SQLite. Aby zapisać bazę danych w pamięci urządzenia, wykorzystaj poniższy kod. Ustalmy że: * Baza danych będzie nazywać się **acc** * Będzie zawierać 4 kolumny: **id, acc_x, acc_y, acc_z** <code java> try { File sd = Environment.getExternalStorageDirectory(); File data = Environment.getDataDirectory(); if (sd.canWrite()) { String currentDBPath = "//data//" + context.getApplicationContext().getPackageName() + "//databases//" + DataBaseHelper.DATABASE_NAME; String backupDBPath = DataBaseHelper.DATABASE_NAME; File currentDB = new File(data, currentDBPath); File backupDB = new File(sd, backupDBPath); FileChannel src = new FileInputStream(currentDB).getChannel(); FileChannel dst = new FileOutputStream(backupDB).getChannel(); dst.transferFrom(src, 0, src.size()); src.close(); dst.close(); } } catch (Exception e) { e.printStackTrace(); } </code> === Import do Octave === - Zaimportuj dane z odczytów do Octave: * W tym celu otwórz bazę danych w SQLite: <code bash>sqlite3 acc.db</code> * Ustaw separator danych na tabulator <code sqlite>.mode tabs </code> * Ustaw wyjscie z SQLite do pliku: <code sqlite>.output 'dane.dat'</code> * Wrzuć dane z trzech osi do pliku: <code sql> select acc_x, acc_y, acc_z from acc;</code> - Następnie otwórz Octave i zaimportuj dane do zmiennej **Acc**:<code octave> Acc = load('dane.dat');</code> - Wyrysuj dane z poszczególnych osi na wykresie:<code octave> plot(Acc)</code> === Określenie parametrów danych === - Przyglądając się wykresom wyodrębnij cechy które twoim zdaniem mogą mieć wpływ na rozróżnienie poszczególnych aktywności użytkownika takich jak: - stanie - chodzenie - bieganie - siadanie - wstawanie - Spróbuj określić aktywność na podstawie maksymalnej i minimalnej amplitudy oraz średniej amplitudy w oknie czasowym o długości np. 3 sekund. - Zapoznaj się (pobieżnie) z artykułem: {{:pl:dydaktyka:aml:activity-recognition-phone.pdf| Activity recognition}} i zastanów się, czy możesz zastosowac którys z opisanych algorytmów do swoich danych ==== Klasteryzacja ==== //Klasteryzacja z wykorzystaniem danych z analizy// ===== Android===== // Przetestowanie aplikacji do wykrywania aktywnosci//
pl/dydaktyka/aml/lab5.1384521060.txt.gz
· ostatnio zmienione: 2019/06/27 15:51 (edycja zewnętrzna)
Pokaż stronę
Poprzednie wersje
Menadżer multimediów
Do góry