Aktivitatserkennung Mittels Sensordaten Eines Smartphones (Paperback)
8 Angebote vergleichen

Lieferung aus: Deutschland, Sofort per Download lieferbar.
Bachelorarbeit aus dem Jahr 2016 im Fachbereich Informatik - Angewandte Informatik, Note: 1,3, Hochschule der Medien Stuttgart, Sprache: Deutsch, Abstract: Der intelligenten Technik am Körper, den sogenannten „Wearables“; wie bspw. Fitnessarmbändern oder Smartwatches, wird eine blühende Zukunft prognostiziert. Sie gelten als einer der grössten ... Bachelorarbeit aus dem Jahr 2016 im Fachbereich Informatik - Angewandte Informatik, Note: 1,3, Hochschule der Medien Stuttgart, Sprache: Deutsch, Abstract: Der intelligenten Technik am Körper, den sogenannten Wearables, wie bspw. Fitnessarmbändern oder Smartwatches, wird eine blühende Zukunft prognostiziert. Sie gelten als einer der grössten Techniktrends. Eine der Hauptaufgaben der Fitnessarmbänder und Smart Watches ist das Überwachen körperlicher Aktivität. Vergessen wird, dass die Mehrheit längst unentwegt ein Messsystem bei sich trägt das Smartphone. Diese Arbeit zeigt, dass die Aktivitätserkennung mittels Sensordaten eines Smartphones mit hohen Erkennungsraten möglich ist. Hierzu wurde ein Echtzeitaktivitätserkennungssystem entwickelt. Das System berücksichtigt Tragegewohnheiten und legt Wert auf Energieeffizienz. Dadurch wird es dem Anspruch an eine komfortable und praktikable Aktivitätserkennung gerecht. Das Aktivitätserkennungssystem kann problemlos für Wearables O.Ä. verwendet werden. Für die Aktivitäten Sitzen, Stehen, Liegen, Gehen, Laufen, Treppensteigen und Treppen hinuntergehen wurde eine Erkennungsrate von rund 97% erzielt. Zur Realisierung des Aktivitätserkennungssystems wurde eine Zeitreihenanalyse durchgeführt. Diese folgt dem Schema des allgemeinen Klassifizierungsprozesses. Der allgemeine Klassifizierungsprozess wurde durch die Auswahl geeigneter Verfahren/Algorithmen aus der Domäne Aktivitätserkennung konkretisiert. Diese werden vorgestellt. Für die Sensoren Gyroskop, Magnetometer und Beschleunigungssensor wurden jeweils individuell Verfahren/Algorithmen ausgewählt. Hierdurch wurde die Erkennungsrate für jeden einzelnen Sensor optimiert. Die Kombination der Sensoren wurde untersucht. Schliesslich wurde mit dem Beschleunigungssensor die höchste Erkennungsrate erzielt. 11.07.2016, PDF.

Lieferung aus: Deutschland, Versandkostenfrei innerhalb von Deutschland.
Bachelorarbeit aus dem Jahr 2016 im Fachbereich Informatik - Angewandte Informatik, Note: 1,3, Hochschule der Medien Stuttgart, Sprache: Deutsch, Abstract: Der intelligenten Technik am Körper, den sogenannten ´´Wearables´´, wie bspw. Fitnessarmbändern oder Smartwatches, wird eine blühende Zukunft prognostiziert. Sie gelten als einer der grössten Techniktrends. Eine der Hauptaufgaben der Fitnessarmbänder und Smart Watches ist das Überwachen körperlicher Aktivität. Vergessen wird, dass die Mehrheit Bachelorarbeit aus dem Jahr 2016 im Fachbereich Informatik - Angewandte Informatik, Note: 1,3, Hochschule der Medien Stuttgart, Sprache: Deutsch, Abstract: Der intelligenten Technik am Körper, den sogenannten ´´Wearables´´, wie bspw. Fitnessarmbändern oder Smartwatches, wird eine blühende Zukunft prognostiziert. Sie gelten als einer der grössten Techniktrends. Eine der Hauptaufgaben der Fitnessarmbänder und Smart Watches ist das Überwachen körperlicher Aktivität. Vergessen wird, dass die Mehrheit längst unentwegt ein Messsystem bei sich trägt - das Smartphone. Diese Arbeit zeigt, dass die Aktivitätserkennung mittels Sensordaten eines Smartphones mit hohen Erkennungsraten möglich ist. Hierzu wurde ein Echtzeitaktivitätserkennungssystem entwickelt. Das System berücksichtigt Tragegewohnheiten und legt Wert auf Energieeffizienz. Dadurch wird es dem Anspruch an eine komfortable und praktikable Aktivitätserkennung gerecht. Das Aktivitätserkennungssystem kann problemlos für Wearables O.Ä.verwendet werden. Für die Aktivitäten Sitzen, Stehen, Liegen, Gehen, Laufen, Treppensteigen und Treppen hinuntergehen wurde eine Erkennungsrate von rund 97% erzielt. Zur Realisierung des Aktivitätserkennungssystems wurde eine Zeitreihenanalyse durchgeführt. Diese folgt dem Schema des allgemeinen Klassifizierungsprozesses. Der allgemeine Klassifizierungsprozess wurde durch die Auswahl geeigneter Verfahren/Algorithmen aus der Domäne Aktivitätserkennung konkretisiert. Diese werden vorgestellt. Für die Sensoren Gyroskop, Magnetometer und Beschleunigungssensor wurden jeweils individuell Verfahren/Algorithmen ausgewählt. Hierdurch wurde die Erkennungsrate für jeden einzelnen Sensor optimiert. Die Kombination der Sensoren wurde untersucht. Schliesslich wurde mit dem Beschleunigungssensor die höchste Erkennungsrate erzielt. Lieferzeit 1-2 Werktage.

Lieferung aus: Deutschland, Sofort per Download lieferbar.
Bachelorarbeit aus dem Jahr 2016 im Fachbereich Informatik - Angewandte Informatik, Note: 1,3, Hochschule der Medien Stuttgart, Sprache: Deutsch, Abstract: Der intelligenten Technik am Körper, den sogenannten 'Wearables', wie bspw. Fitnessarmbändern oder Smartwatches, wird eine blühende Zukunft prognostiziert. Sie gelten als einer der grössten Techniktrends. Eine der Hauptaufgaben der Fitnessarmbänder und Smart Watches ist das Überwachen körperlicher Aktivität. Vergessen wird, dass die Mehrheit längst unentwegt ein Messsystem bei sich trägt - das Smartphone. Diese Arbeit zeigt, dass die Aktivitätserkennung mittels Sensordaten eines Smartphones mit hohen Erkennungsraten möglich ist. Hierzu wurde ein Echtzeitaktivitätserkennungssystem entwickelt. Das System berücksichtigt Tragegewohnheiten und legt Wert auf Energieeffizienz. Dadurch wird es dem Anspruch an eine komfortable und praktikable Aktivitätserkennung gerecht. Das Aktivitätserkennungssystem kann problemlos für Wearables O.Ä. verwendet werden. Für die Aktivitäten Sitzen, Stehen, Liegen, Gehen, Laufen, Treppensteigen und Treppen hinuntergehen wurde eine Erkennungsrate von rund 97% erzielt. Zur Realisierung des Aktivitätserkennungssystems wurde eine Zeitreihenanalyse durchgeführt. Diese folgt dem Schema des allgemeinen Klassifizierungsprozesses. Der allgemeine Klassifizierungsprozess wurde durch die Auswahl geeigneter Verfahren/Algorithmen aus der Domäne Aktivitätserkennung konkretisiert. Diese werden vorgestellt. Für die Sensoren Gyroskop, Magnetometer und Beschleunigungssensor wurden jeweils individuell Verfahren/Algorithmen ausgewählt. Hierdurch wurde die Erkennungsrate für jeden einzelnen Sensor optimiert. Die Kombination der Sensoren wurde untersucht. Schliesslich wurde mit dem Beschleunigungssensor die höchste Erkennungsrate erzielt. PDF, 11.07.2016.

Lieferung aus: Schweiz, Sofort per Download lieferbar.
Bachelorarbeit aus dem Jahr 2016 im Fachbereich Informatik - Angewandte Informatik, Note: 1,3, Hochschule der Medien Stuttgart, Sprache: Deutsch, Abstract: Der intelligenten Technik am Körper, den sogenannten „Wearables“; wie bspw. Fitnessarmbändern oder Smartwatches, wird eine blühende Zukunft prognostiziert. Sie gelten als einer der grössten ... Bachelorarbeit aus dem Jahr 2016 im Fachbereich Informatik - Angewandte Informatik, Note: 1,3, Hochschule der Medien Stuttgart, Sprache: Deutsch, Abstract: Der intelligenten Technik am Körper, den sogenannten Wearables, wie bspw. Fitnessarmbändern oder Smartwatches, wird eine blühende Zukunft prognostiziert. Sie gelten als einer der grössten Techniktrends. Eine der Hauptaufgaben der Fitnessarmbänder und Smart Watches ist das Überwachen körperlicher Aktivität. Vergessen wird, dass die Mehrheit längst unentwegt ein Messsystem bei sich trägt das Smartphone. Diese Arbeit zeigt, dass die Aktivitätserkennung mittels Sensordaten eines Smartphones mit hohen Erkennungsraten möglich ist. Hierzu wurde ein Echtzeitaktivitätserkennungssystem entwickelt. Das System berücksichtigt Tragegewohnheiten und legt Wert auf Energieeffizienz. Dadurch wird es dem Anspruch an eine komfortable und praktikable Aktivitätserkennung gerecht. Das Aktivitätserkennungssystem kann problemlos für Wearables O.Ä. verwendet werden. Für die Aktivitäten Sitzen, Stehen, Liegen, Gehen, Laufen, Treppensteigen und Treppen hinuntergehen wurde eine Erkennungsrate von rund 97% erzielt. Zur Realisierung des Aktivitätserkennungssystems wurde eine Zeitreihenanalyse durchgeführt. Diese folgt dem Schema des allgemeinen Klassifizierungsprozesses. Der allgemeine Klassifizierungsprozess wurde durch die Auswahl geeigneter Verfahren/Algorithmen aus der Domäne Aktivitätserkennung konkretisiert. Diese werden vorgestellt. Für die Sensoren Gyroskop, Magnetometer und Beschleunigungssensor wurden jeweils individuell Verfahren/Algorithmen ausgewählt. Hierdurch wurde die Erkennungsrate für jeden einzelnen Sensor optimiert. Die Kombination der Sensoren wurde untersucht. Schliesslich wurde mit dem Beschleunigungssensor die höchste Erkennungsrate erzielt. PDF, 11.07.2016.

Von Händler/Antiquariat, The Book Depository EURO [60485773], London, United Kingdom.
Language: German . Brand New Book ***** Print on Demand *****.Bachelorarbeit aus dem Jahr 2016 im Fachbereich Informatik - Angewandte Informatik, Note: 1,3, Hochschule der Medien Stuttgart, Sprache: Deutsch, Abstract: Der intelligenten Technik am Körper, den sogenannten Wearables , wie bspw. Fitnessarmbändern oder Smartwatches, wird eine blühende Zukunft prognostiziert. Sie gelten als einer der grössten Techniktrends. Eine der Hauptaufgaben der Fitnessarmbänder und Smart Watches ist das Überwachen körperlicher Aktivität. Vergessen wird, dass die Mehrheit längst unentwegt ein Messsystem bei sich trägt - das Smartphone. Diese Arbeit zeigt, dass die Aktivitätserkennung mittels Sensordaten eines Smartphones mit hohen Erkennungsraten möglich ist. Hierzu wurde ein Echtzeitaktivitätserkennungssystem entwickelt. Das System berücksichtigt Tragegewohnheiten und legt Wert auf Energieeffizienz. Dadurch wird es dem Anspruch an eine komfortable und praktikable Aktivitätserkennung gerecht. Das Aktivitätserkennungssystem kann problemlos für Wearables O.Ä. verwendet werden. Für die Aktivitäten Sitzen, Stehen, Liegen, Gehen, Laufen, Treppensteigen und Treppen hinuntergehen wurde eine Erkennungsrate von rund 97 erzielt. Zur Realisierung des Aktivitätserkennungssystems wurde eine Zeitreihenanalyse durchgeführt. Diese folgt dem Schema des allgemeinen Klassifizierungsprozesses. Der allgemeine Klassifizierungsprozess wurde durch die Auswahl geeigneter Verfahren/Algorithmen aus der Domäne Aktivitätserkennung konkretisiert. Diese werden vorgestellt. Für die Sensoren Gyroskop, Magnetometer und Beschleunigungssensor wurden jeweils individuell Verfahren/Algorithmen ausgewählt. Hierdurch wurde die Erkennungsrate für jeden einzelnen Sensor optimiert. Die Kombination der Sensoren wurde untersucht. Schliesslich wurde mit dem Beschleunigungssensor die höchste Erkennungsrate erzielt.

Lieferung aus: Deutschland, Versandkostenfrei.
Aktivit?tserkennung mittels Sensordaten eines Smartphones: Bachelorarbeit aus dem Jahr 2016 im Fachbereich Informatik - Angewandte Informatik, Note: 1,3, Hochschule der Medien Stuttgart, Sprache: Deutsch, Abstract: Der intelligenten Technik am Körper, den sogenannten Wearables, wie bspw. Fitnessarmbändern oder Smartwatches, wird eine blähende Zukunft prognostiziert. Sie gelten als einer der gräten ... Ebook.

Lieferung aus: Deutschland, Der Artikel ist bald verfügbar. Sichern Sie sich jetzt Ihr Exemplar! Versandkostenfrei.
Von Händler/Antiquariat, Amazon.de.
Taschenbuch, Label: Grin Verlag, Grin Verlag, Produktgruppe: Book, Publiziert: 2017-01-03, Studio: Grin Verlag.

Von Händler/Antiquariat, Ria Christie Collections [59718070], Uxbridge, United Kingdom.
PRINT ON DEMAND Book; New; Publication Year 2016; Not Signed; Fast Shipping from the UK.