人体活动识别智能手机传感器数据数据集
数据来源：互联网公开数据
标签：人体活动,传感器数据,加速度计,陀螺仪,机器学习,活动识别,智能手机,时间序列
数据概述：
本数据集包含30名志愿者在佩戴智能手机（三星 Galaxy S II）进行六种不同活动（WALKING, WALKING_UPSTAIRS, WALKING_DOWNSTAIRS, SITTING, STANDING, LAYING）时，由手机内置的加速度计和陀螺仪采集的传感器数据。数据以50Hz的恒定速率记录了3轴线性加速度和3轴角速度。实验过程被录制成视频，用于手动标记数据。数据集被随机划分为训练集（70%的志愿者）和测试集（30%的志愿者）。
数据预处理包括：使用噪声滤波器对传感器信号（加速度计和陀螺仪）进行预处理，然后以2.56秒的固定宽度滑动窗口和50%的重叠（128个读数/窗口）进行采样。加速度信号被分解为身体加速度和重力加速度。从每个窗口中，通过计算时域和频域的变量，得到一个特征向量。特征包括：
时域信号：tAcc-XYZ（3轴原始加速度）、tGyro-XYZ（3轴原始角速度）、tBodyAcc-XYZ（3轴身体加速度）、tGravityAcc-XYZ（3轴重力加速度）、tBodyAccJerk-XYZ（3轴身体加速度的冲量）、tBodyGyroJerk-XYZ（3轴身体角速度的冲量）、tBodyAccMag（身体加速度的幅度）、tGravityAccMag（重力加速度的幅度）、tBodyAccJerkMag（身体加速度的冲量幅度）、tBodyGyroMag（身体角速度的幅度）、tBodyGyroJerkMag（身体角速度的冲量幅度）。
频域信号：fBodyAcc-XYZ（3轴身体加速度的傅里叶变换）、fBodyAccJerk-XYZ（3轴身体加速度冲量的傅里叶变换）、fBodyGyro-XYZ（3轴身体角速度的傅里叶变换）、fBodyAccMag（身体加速度幅度的傅里叶变换）、fBodyAccJerkMag（身体加速度冲量幅度的傅里叶变换）、fBodyGyroMag（身体角速度幅度的傅里叶变换）、fBodyGyroJerkMag（身体角速度冲量幅度的傅里叶变换）。
从这些信号中估计的变量包括：均值(mean())、标准差(std())、绝对中位差(mad())、最大值(max())、最小值(min())、信号幅度面积(sma())、能量(energy())、四分位距(iqr())、熵(entropy())、自回归系数(arCoeff())、相关系数(correlation())、最大频率分量的索引(maxInds())、加权平均频率(meanFreq())、偏度(skewness())、峰度(kurtosis())、频带能量(bandsEnergy())和角度(angle())。
此外，通过对信号进行平均获得的附加向量也被用于计算angle()变量，包括：gravityMean、tBodyAccMean、tBodyAccJerkMean、tBodyGyroMean、tBodyGyroJerkMean。
数据集包含561列，对应于上述特征。
数据用途概述：
该数据集广泛适用于人体活动识别相关的研究和应用，例如：
* 机器学习模型训练：用于训练各种机器学习算法，如支持向量机、决策树、随机森林、神经网络等，以实现活动分类。
* 活动识别算法开发：为研究人员提供一个标准化的数据集，用于开发和评估新的活动识别算法。
* 智能设备应用：用于开发智能手机、智能手表等设备上的活动识别功能，例如步数统计、睡眠监测、运动跟踪等。
* 行为分析研究：用于研究人类行为模式，例如分析不同活动之间的转换、识别异常行为等。
* 教育与科研：作为机器学习、信号处理等课程的实践数据集，用于教学和科研。
