混合分类算法提高了对人类活动的识别能力

《国际计算机应用技术杂志》上的研究介绍了一种混合分类算法，旨在利用智能手机数据提高对人类活动的识别。这项工作可能会对各个领域产生影响。

Prince Sultan大学和Benha大学的Ahmad Taher Azar希望展示一种工具，可以准确地对六种不同的人类活动进行分类:躺着、坐着、站着、走路、上楼和下楼。为此，他使用了将随机森林决策树(RFDT)和神经网络(NN)融合在一起的监督机器学习技术。

混合方法能够以96%的准确率对六种人类活动进行分类。这超过了像NN或RFDT这样的单个机器学习技术的性能，并与当前最先进的方法相媲美。然而，使该算法与众不同的是它的处理效率。与卷积神经网络(CNN)相比，混合算法可以在0.073秒内从智能手机的行为中推断出行为，而卷积神经网络(CNN)需要超过1.5秒才能完成同样的工作，并达到相似的精度水平。

Ahmad Taher Azar的工作强调了这种效率的提高是多么有用，因为它将允许在没有内置专用计算机处理单元的设备上实时处理智能手机数据。这种能力具有相当大的影响，特别是在必须立即和准确识别活动的情况下，例如在保健和个人支助应用中。一个特别及时的应用是对所谓的"虚拟病房"进行病人支持和监测，病人通常呆在家里，由保健专业人员使用远程医疗工具进行远程监测和咨询。

值得注意的是，这类研究仍然存在一些挑战。只要患者始终随身携带智能手机，就可以识别爬楼梯或躺下等基本动作。然而，有必要更深入地认识到情绪状态和其他对人的健康和幸福很重要的因素。