Název: Sparse Representation for Classification of Posture in Bed
Autoři: Mesárošová, Michaela ; Mihálik, Ondrej
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: Redundant dictionaries, also known as frames, offera non–orthogonal representation of signals, which leads to sparsityin their representative coefficients. As this approach providesmany advantageous properties it has been used in various applicationssuch as denoising, robust transmissions, segmentation,quantum theory and others. This paper investigates the possibilityof using sparse representation in classification, comparing theachieved results to other commonly used classifiers. The differentmethods were evaluated in a real-world classification task inwhich the position of a lying patient has to be deduced basedon the data provided by a pressure mattress of 30×11 sensors.The investigated method outperformed most of the commonlyused classifiers with accuracy exceeding 92%, while being lessdemanding on design and implementation complexity.
Klíčová slova: classification; LASSO,redundant basis; linear regression; sparse representation; SRC
Zdrojový dokument: Proceedings II of the 29st Conference STUDENT EEICT 2023: Selected papers, ISBN 978-80-214-6154-3, ISSN 2788-1334

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/210665

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-531771


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference