加速度计-生物识别 通过加速度计数据识别移动设备的用户（kaggle上的“加速度计生物识别竞赛”） “ CS 725：机器学习基础”的课程项目 #Description：您可以在找到问题陈述的描述 ＃如何运行代码： 假设：您将train.csv和test.csv与其他项目文件放在同一文件夹中 运行device_count.py 运行extractMeanVar.py 运行trimmingdata.py 现在，您可以执行任何分类器代码。 只需在同一文件夹中查找所需文件即可。 ＃我们的方法我们设计了以下解决问题的方法： 朴素贝叶斯 最近的邻居 二次判别分析（类似于LDA） 支持向量机 ＃与每种方法相关的文件： 1]朴素贝叶斯 1. extractMeanVar.py 2. naive_bayes.py 3. naive_bayes_Random.py 2]最近的邻居 1. t

传感器数据累加器 这是一个 Android 应用程序，它从位于移动设备中的微机械机构（加速度计和陀螺仪）收集传感器数据。 此外，传感器数据与移动浏览器 (URL) 实时同步，以便可以将其存储（SQLite 数据库）用于涉及应用多种数据挖掘技术的后验分析。 如何引用 该工具是我们下面介绍的案例研究的一部分。 如果您正在使用该工具进行研究，请不要忘记引用。 谢谢！ Srirama、Satish Narayana、Huber Flores 等。 下一代移动应用、服务和技术 (NGMAST)，2011 年第五届国际会议。 IEEE，2011 年。

它将一个两轴操纵杆，一个三轴加速度计和两个按钮组合到一个包装中。

从官网下载的BMI160的Datasheet和Driver Code，它是一款IMU包含了accelerometer和gyroscope，移植参考的博客地址：https://blog.csdn.net/ZHONGCAI0901/article/details/110491101

SensorTag加速度计 连接到TI CC2650 SensorTag进行加速度测量的Android应用。 确实 实时显示所有三个轴上的加速度测量值 在一定时间范围内记录加速度数据 显示最大经验组合加速度 线图显示所有三个轴的值以及组合的加速度 将原始数据导出为CSV 在运行固件1.32的TI SensorTag CC2650STK上进行了测试。 图书馆 该项目使用以下库 Android AppCompat和支持库

H3LIS331DL是属于nano系列的低功耗高性能3轴线性加速度计，具有数字I²C串行接口。

人体活动识别 数据集链接： 使用的库： Keras，Scikit-Learn，Numpy，Matplotlib和Pandas 档案结构： 有8个主要文件：4个用于数据管理，4个用于机器学习代码，1个用于绘制结果。 数据管理文件： 1，由于数据集非常大（〜1.4 GB），因此将其划分为13个文件，并使用脚本``compress_file.py''和``compress2.0.py''对这13个文件中存储的数据集进行下采样以获得13个文件压缩文件。 2.脚本“ merge.py”和“ merge2.0.py”用于合并压缩文件，以获取用于训练的数据集。 2.0脚本用于合并加速度计和陀螺仪数据

Arduino Nano和Visuino：通过加速度计和陀螺仪MPU6050 I2C传感器将加速度转换为角度-快速，轻松。

xamarin.android.positiontracker Xamarin Native Android应用程序示例，用于跟踪设备传感器数据。 位置跟踪器可确定GPS位置，加速度，精度，速度和距离。 应用程序展示了如何检测设备传感器的线性加速度，重力，旋转矢量以及如何获取设备IMEI。 应用的后台同步服务可将所有传感器数据与第三方API同步。

借助简单的3轴加速度计，轻松确定自由落体检测的方法。