Adaptive Hierarchical Classification for Human Activity Recognition Using Inertial Measurement Unit (IMU) Time-Series Data
Notice bibliographique
Résumé
Human Activity Recognition (HAR) based on Inertial Measurement Unit (IMU) has become increasingly important in health and fitness applications. These systems can continuously and cost-effectively monitor human activity, regardless of the surrounding environment. However, the current dominant trend in HAR uses black box flat classification (FC) methods, which lack interpretability and do not consider the natural hierarchical relationship between activity classes. Such systems often achieve greater accuracy at the cost of increased complexity and are not suitable for critical decision-making applications. This paper proposes an Adaptive Hierarchical Decision Tree (AHDT) HAR system that recognizes human activities based on IMU measurements along with quasi-stationary inclination feature extraction. The proposed system generates a global classifier that classifies human activities according to a tree taxonomy structure. This approach maintains interpretability while considering the fundamental signal data features embedded in the natural hierarchical representation of the activity classes. In addition to the commonly used flat classification accuracy measures, we applied modified hierarchical accuracy measures to assess the exclusive characteristics of hierarchical relationships between the classes. We used seven publicly available datasets to evaluate the proposed system and compared its performance with other tree-based classifiers, including Random Forest, Gradient Boosting, XGBoost, and AdaBoost classifiers. Our results demonstrated that the AHDT system significantly improves the recognition performance of fine-grained activities and offers a balance between lower complexity and higher interpretability. Overall, the proposed AHDT system provides an interpretable and practical approach to HAR that can be valuable in critical decision-making applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,006 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».