双流注意BiLSTM

跨域活动识别

通过域适应与融合注意力机制，解决可穿戴传感器数据分布差异导致的跨域活动识别性能下降问题。

Tianyun, Zhu · Dong, Yilin · Yong, Zhou · 朱昌明 · 曹磊

IEEE Journal of Biomedical and Health Informatics 2025

参数信息

准确率提升

6.1 %

准确率提升

2.5 %

技术优势

跨域对齐准

在再生核希尔伯特空间用MMD学习迁移成分，使不同部位传感器数据映射到同一分布，减少域间差异。

特征抓得细

两层BiLSTM加融合注意力，能捕捉活动信号中不同时间尺度的细粒度信息，提高对未见活动的分类能力。

应用场景

• 可穿戴健康监测：让不同佩戴位置的健康监测数据通用同一个模型，减少重新标注和训练。
• 康复运动分析：对齐不同康复动作采集设备的数据分布，使分析模型可跨患者迁移。
• 传感网活动识别：利用MMD对齐多节点传感器数据，提升分布式传感网的活动识别一致性。