数据集概述
本数据集是用于评估腕戴式传感器物理人类活动识别的基准数据集，聚焦篮球训练、 drills及比赛场景。数据由美国和德国两支球队共24名球员采集，覆盖重复训练和完整比赛，包含不同国家规则风格差异、球员技能水平异质性等特征，可支持深度学习模型基线分类性能研究。
文件详解
- 文件名称：hangtime_har.zip
- 文件格式：ZIP（压缩包）
- 字段映射介绍：未提供具体字段信息，压缩包内包含用于篮球活动识别的腕戴式惯性传感器原始或处理后数据，支持时间序列分析与深度学习模型训练评估。
数据来源
论文“Hang-Time HAR: A Benchmark Dataset for Basketball Activity Recognition using Wrist-worn Inertial Sensors”
适用场景
- 篮球活动识别模型开发: 用于训练和评估基于腕戴式惯性传感器的篮球动作（如运球、投篮、传球）识别算法。
- 体育训练分析: 结合球员训练与比赛数据，分析动作规范性、运动强度及技能水平差异，辅助个性化训练指导。
- 跨文化体育数据对比研究: 利用美国与德国球队数据，探究不同国家篮球规则、风格对球员动作模式的影响。
- 深度学习基线模型验证: 作为基准数据集，测试不同深度学习架构在篮球活动识别任务中的分类性能。
- 可穿戴设备运动监测应用开发: 支撑腕戴式传感器在篮球运动场景下的个人活动追踪、表现评估类应用研发。
