过去十年来，基于传感器数据，人们对人类活动识别的兴趣增加了。最常见的是，传感器数据未被注释，从而需要快速标记方法。为了评估标签的质量，必须选择适当的性能指标。我们的主要贡献是一种新型的活动后处理方法。它通过在估计中纠正不切实际的简短活动来提高分类方法的准确性。我们还提出了一项新的绩效指标，即当地时移度（LTS措施），该措施解决了状态变化时期的不确定性。使用新型LTS测量，根据模拟数据集和足球传感器数据的真实应用，使用新的LTS测量评估了后处理方法的有效性。模拟研究还用于讨论后处理方法和LTS测量的参数的选择。
translated by 谷歌翻译