我的任务是为我的公司执行现有分类器的基准测试。目前最大的问题是区分不同类型的交通工具，比如识别我目前是否在火车上，驾驶汽车或骑自行车，这是主要关注点。
我一直在阅读很多关于LSTM，http://en.wikipedia.org/wiki/Long_short_term_memory及其最近在笔迹和语音识别方面的成功，其中重大事件之间的时间可能相当长。
所以，我第一次想到火车/公共汽车的问题是，可能没有像走路/跑步那样明显而短暂的周期，因此长期记忆可能至关重要。
有没有人尝试过类似的结果？ 还是有其他技术可以更好地解决这个问题吗？
答案 0 :(得分：6)
我使用智能手机加速度计进行交通检测模式。我发现的主要结果是几乎所有分类器都会这样做;关键问题是功能集。 （这与许多其他机器学习问题没有什么不同。）我的功能集最终包含时域和频域值，两者均来自时间序列滑动窗口分段。
另一个问题是加速度计可以放在任何地方。在身体上，它可以在任何地方和任何方向。如果用户正在驾驶，手机是放在口袋里，放在包里，放在汽车座椅上，是否附在吸盘式窗台上？
如果您想避免这些问题，请使用GPS代替加速度计。您可以使用该传感器进行相对准确的分类，但成本是电池使用情况。