跳转至

补充分析

以下内容用于诊断机制与工程表现,与独立外部测试的主要结果分开报告。

多尺度表征

3、5、8 秒窗口模型表征的 t-SNE 图
三种尺度学习到互补的表征结构。

短窗口保留切换细节,长窗口补充稳定运动上下文。t-SNE 只用于定性诊断,不是性能证据。

TRL 开发集诊断

重复开发集划分 F1 分布与 TRL 累积边界诊断
重复开发集划分用于分离时间记录构建的作用。

在 50 次开发集划分中,TRL 将平均 F1 从 0.802 提高到 0.913,每小时误报从 0.862 降至 0.190,匹配 IoU 从 0.835 变为 0.843。这些数值是开发集诊断,不能当作独立外部测试性能报告。

Android 工程证据

隐私保护动作示意与 Android 识别截图
App 端检查覆盖背景运动与五类目标活动。

Android 原型连接 WT9011DCL-BT50 BLE IMU,并运行选定 ONNX 模型与时间记录层。完整三模型流程在被测设备上平均每条记录耗时 2.1 秒。这说明工程实现可行,不构成新的基准测试。

公共数据集可移植性

下列数据集与腕部运动协议并不一致。实验只检查时间接口能否配合数据集专用模型与策略重新配置。

数据集 Argmax F1 TRL F1 Argmax FP/h TRL FP/h
HAR70+ 0.70 0.70 47 45
WISDM-phone 0.05 0.37 83 5.7
PAMAP2 0.09 0.53 90 9.3
OPPORTUNITY 0.29 0.29 320 110

这些结果不是排行榜对比,也不能证明 HLS-HAR 结果可直接迁移。返回主要结果,或打开复现指南