减少可穿戴设备在人类活动识别中的标签依赖性：从监督学习到新型弱自监督方法

本文探讨了使用可穿戴传感器减少人类活动识别（HAR）中对标记数据的依赖性的方法。它研究了各种机器学习范式，包括监督学习、无监督学习、弱监督学习、多任务学习和自监督学习。核心贡献是一种新型的弱自监督学习框架，该框架将领域知识与最少的标记数据相结合。实验结果表明，所提出的弱监督方法可以达到与完全监督方法相当的性能，同时显着降低监督要求。多任务框架也通过知识共享显示出性能的提高。这项研究意义重大，因为它解决了HAR中标记数据有限的实际挑战，使其更易于访问和扩展。