使用时间序列分析进行机器学习跌倒检测

Question

我正在尝试训练分类器，以根据加速度计和陀螺仪数据检测跌倒。但是，我很难确定要使用的算法类型。

这是一些数据集的图片：

此数据是在跌倒期间从加速度计读取的原始x坐标，y坐标和z坐标的示例。如您所见，数据相对稳定，直到下降开始。

我的问题是：我应该使用什么分类器来检测跌倒。

我已经阅读了该领域的一些研究，科学家使用Naive-Bayes算法对数据进行分类，但据我了解，Naive-Bayes没有考虑分类中的先前数据集。

我想过使用HMM，但由于我对机器学习很陌生，我想我会要求一些一般的指导。

提前谢谢。

Answer 1

你应该看看Conditional Random Field (CRF)，它可以用作分类器来拍摄＃34;邻近的样本＆＃34;考虑到了。如果你做一些谷歌搜索，你应该能够找到一些关于＆＃34;跌倒检测＆＃34;与CRF。

正如您所提到的，HMM也是适合您的问题的模型，其中您有一个隐藏变量（是否存在）但不可观察（只有x-y-z坐标是可观察的）。