Recognition 用智能手机进行人类活动识别

#### 背景描述
人类活动识别数据库是根据 30 名研究参与者在携带带有嵌入式惯性传感器的腰部智能手机进行日常生活活动 (ADL) 的记录构建的。目标是将活动分类为所执行的六项活动之一。

这些实验是在 19-48 岁年龄段的 30 名志愿者中进行的。每个人在腰部佩戴智能手机（三星 Galaxy S II）进行了六项活动（步行、步行上楼、步行下楼、坐、站、躺）。使用其嵌入式加速度计和陀螺仪，我们以 50Hz 的恒定速率捕获 3 轴线性加速度和 3 轴角速度。实验已被录像以手动标记数据。获得的数据集被随机分成两组，其中 70% 的志愿者被选择用于生成训练数据和 30% 的测试数据。

传感器信号（加速度计和陀螺仪）通过应用噪声滤波器进行预处理，然后在 2.56 秒和 50% 重叠的固定宽度滑动窗口中进行采样（128 个读数/窗口）。具有重力和身体运动分量的传感器加速度信号使用巴特沃斯低通滤波器分离为身体加速度和重力。假设重力只有低频分量，因此使用了截止频率为 0.3 Hz 的滤波器。从每个窗口，通过从时域和频域计算变量来获得特征向量。
#### 数据说明
对于数据集中的每条记录，提供以下内容：

- 来自加速度计的三轴加速度（总加速度）和估计的身体加速度。

- 陀螺仪的三轴角速度。

- 具有时域和频域变量的 561 个特征向量。

- 它的活动标签。

- 进行实验的受试者的标识符。

#### 数据来源
Davide Anguita, Alessandro Ghio, Luca Oneto, Xavier Parra and Jorge L. Reyes-Ortiz. A Public Domain Dataset for Human Activity Recognition Using Smartphones. 21st European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, ESANN 2013. Bruges, Belgium 24-26 April 2013.
#### 问题描述
深度学习