motionml:使用KNN-DTW和TinyLearn的分类器进行运动模式识别-源码

MotionML 使用KNN-DTW和TinyLearn的分类器进行运动模式识别 这是使用TinyLearn模块根据提供的加速度计数据识别（分类）运动模式的特定领域示例。 此演示中包含以下运动模式： 步行 坐在椅子上 从床上起床 喝一杯 下降楼梯 梳头 刷牙 加速度计数据基于UCI的以下公共数据集： : 用于机器学习的动态时间规整（DTW）和K最近邻（KNN）算法用于演示使用加速度计数据标注变长序列的方法。 这样的算法可以应用于时间序列分类或其他情况，这些情况需要长度不等的匹配/训练序列。 Scikit-Learn没有任何DTW实现，因此作为TinyLearn模块的一部分已实现了自定义类（KnnDtwClassifier）。 考虑到DTW的二次复杂度，默认情况下DTW较慢，这就是为什么我们使用TinyLearn的直方图和CommonClassifier替代方法来加快分类的原因