即时发布
来自北卡罗来纳州立大学的研究人员开发了一种节能技术，可根据可穿戴设备的数据准确跟踪用户的物理活动。
可穿戴健康技术的一个目标是通过佩戴者识别和跟踪身体活动。然而，完成这种目标需要在准确性和数据分析和存储所需的功率之间进行权衡，这是一个挑战，这是可穿戴设备的有限功率。
“跟踪物理活动很重要，因为它是在上下文中放置其他健康数据的关键组成部分，”NC州和新工作纸上的高级作者电气计算机工程助理教授Edgar Lobaton说。“例如，在锻炼时心率的尖峰是正常的，但可以是其他情况下的健康问题的指标。”
用于监测身体活动的设计技术涉及解决两个挑战。首先，该程序需要知道在评估活动时处理多少数据。例如，查看以10秒的增量或TAU收集的所有数据，需要两倍的计算能力，以评估五秒内的所有数据。
第二个挑战是如何存储该信息。一个解决方案是在一个标题下将类似的活动曲线块在一起。例如，某些数据签名可以全部在“跑步”下将其分组在一起，而其他数据则可以将其他数据签名一起分组为“行走”。这里的挑战是找到允许程序识别有意义的简档的公式（例如，运行，步行或坐着）：如果公式太过普遍，则概况如此广泛的缺陷;如果配方太具体，则获得这么多的活动配置文件，即难以存储所有相关数据。
为了探索这些挑战，研究团队毕业生进入了运动捕捉实验室并执行了五种不同的活动：打高尔夫球，骑自行车，散步，挥舞着和坐姿。
然后，研究人员使用零秒（即一个数据点），两秒钟，四秒钟等，从而评估所产生的数据，一直到40秒。
然后，研究人员试验不同的参数，将活动数据分类为特定的配置文件。
“基于这一特定的实验数据，我们发现，我们可以使用六秒钟准确识别五个相关活动，”罗布登说。“这意味着我们可以有效地识别活动和存储相关数据。
“这是一个概念验证研究，我们正在确定这种方法如何使用更多现实世界的数据，”罗布登说。“然而，我们乐观地说，这种方法将为我们以实际方式提供最佳机会，以实际的方式为可穿戴健康监控设备的用户提供有意义的信息。”
The paper, “Hierarchical Activity Clustering Analysis for Robust Graphical Structure Recovery,” will be presented at the 2016 IEEE Global Conference on Signal and Information Processing, being held Dec. 7-9 in Washington, D.C. Lead author of the paper is Namita Lokare, a Ph.D. student at NC State. The co-authors are Daniel Benavides and Sahil Juneja, of NC State.
该研究是以国家科学基金会的纳米系统的纳米系统的综合传感器和技术（协助）的高级自动系统技术研究中心的支持完成了研究，介绍了Grant EEC-1160483。基于NC状态的辅助中心的目标是使由用户的运动或体温供电的可穿戴技术，并且可用于长期健康监测。
- 船员 -
编辑注：研究摘要跟随。
“鲁棒图形结构恢复的分层活动聚类分析”
作者：Namita Lokare，Daniel Benavides，Sahil Juneja和Edgar Lobaton，北卡罗来纳州立大学
提出了：2016年12月7日至9日，华盛顿州华盛顿州的IEEE全球信号和信息处理会议。
抽象的：在本文中，我们提出了一种分层活动聚类方法，其包括拓扑持久性分析的使用。我们的聚类方法捕获数据中存在的层次结构，因此能够显示这些活动之间存在的依赖关系。我们使用聚合持久性图来选择数据集中存在的鲁棒图形结构。这些模型在绑定方面稳定并提供准确的分类结果。这种方法允许我们根据保持高精度所需的时间信息的量选择参数。本文提出的关键创新包括基于使用持久性分析的结果的稳定性的时间参数和参数选择的活动的分层表征。
