Xhfei1224-CSDN博客

原创【车流量预测论文】多层双向和单向LSTM递归神经网络用于全网络交通速度预测[1026]

多层双向和单向LSTM递归神经网络用于全网络交通速度预测Stacked Bidirectional and Unidirectional LSTM Recurrent Neural Network for Network-wide Traffic Speed PredictionShort-term traffic forecasting based on deep learning methods, especially long short-term memory (LSTM) neural net

2020-10-26 11:00:04 1485 6

原创【平台搭建】windows深度学习环境搭建-CUDA9.0、cudnn7.1、tensorflow_gpu1.10的安装（附软件网盘下载链接）

目录1.操作系统2.软件下载3.安装CUDA9.04.安装cudnn7.15.安装tensorflow_gpu1.105.1运行pip install命令安装本地WHL文件5.2 运行pip install命令安装msgpack库6.测试运行环境7.总结1.操作系统本文中演示的操作系统是Win10。2.软件下载百度云盘下载链接:https://pan.baidu.com/s/1zfI8MYEgjttSQCRu0eobpA提取码：foik本文作者在链接中上传了3个深度学习环境搭建所必需的文件，如下

2020-08-12 14:27:17 1031 3

原创欢迎使用CSDN-markdown编辑器（模板）

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！这是你第一次使用 Markdown编辑器所展示的欢迎页。如果你想学习如何使用Mar

2020-07-18 10:59:22 181

原创【linux】图像处理linux下开发命令

1.使用Pip更新Pytorch和torchvision# 更新pytorch和torchvision安装包pip3 install --upgrade pytorch torchvision2.使用pip安装指定版本pip3 install pytorch==0.1.103. 查看linux下pytorch的版本import torchprint(torch.__version__) #注意是双下划线4.查看 CUDA 版本cat /usr/local/cuda/version.

2020-05-30 20:35:05 341

原创【遥感图像专题】遥感图像（相关论文+代码分享）--持续更新（更新至3月27日）

1.相关论文1.#小目标检测# EESRGAN：使用边缘增强GAN和目标检测器的遥感图像小目标检测本文提出新的边缘增强超分辨率GAN（EESRGAN）来改善遥感图像的图像质量，并以端到端的方式将目标检测器的损失反向传播到EESRGAN中，以提高检测性能。作者团队：阿尔伯塔大学等与大物体相比，遥感图像中小物体的检测性能不令人满意，尤其是在低分辨率和含澡的图像中。增强型超分辨率GAN（ESR...

2020-03-27 20:45:30 2656

原创【深度学习】多粒度、多尺度、多源融合和多模态融合的区别

多粒度（multiresolution）和多尺度（multiscale）都是指在不同的空间或时间尺度上对数据或信号进行分析和处理。其中。

2023-08-10 16:30:29 4302

原创我的创作纪念日

提示：你过去写得最好的一段代码是什么？提示：当前创作和你的工作、学习是什么样的关系。提示：可以和大家分享最初成为创作者的初心。提示：在创作的过程中都有哪些收获。提示：职业规划、创作规划等。

2023-05-15 14:47:51 157 1

原创 sklearn 报错ImportError: dlopen: cannot load any more object with static TLS

在运行代码时，运行结果出现，通过下图中代码错误位置定义查看得知是是导入其中的sklearn库出现的错误。然后开始对sklearn库进行处理，通过尝试和查阅大量其他博客资源，最终得知对，可以成功运行。

2023-04-10 15:11:34 780 1

原创【Pytorch错误】RNN-GRU代码编写，出现didn‘t match because some of the arguments have invalid types: (float, int)

RNN-GRU代码编写出现didn't match because some of the arguments have invalid types: (float, int)

2022-11-21 09:11:54 1098

原创 Short-term load forecasting with an improved dynamic decomposition-reconstruction-ensemble approach

为此，本研究将重构技术和二次分解技术巧妙地动态结合起来，提出了一种动态分解-重构-集成的方法。实际上，通过引入基于动态分类、过滤的分解-重构过程，并给出确定需要再次分解的组件的标准，我们提出的模型改进了分解-集成预测框架。此外，我们将提出的模型与现有的模型进行了比较，包括5个具有重建技术的模型和2个具有二次分解技术的模型。实验结果表明，本文提出的动态分解重构技术在预测精度、精确方向、相等性、稳定性、相关性、综合精度和统计检验等方面具有优越性。总之，我们提出的模型有潜力成为短期负荷预测的有用工具。

2022-10-15 10:51:21 973

原创 LaTeX——用表格生成术语表(Nomenclature)

在用LaTeX写学术论文时，通常会用术语表(Nomenclature)对文章中的集合、参数、变量进行声明。经过上述操作后，表格成型，即可生成想要的术语表。

2022-10-11 10:00:20 5216

原创 LeetCode 912. 排序数组-快排（C++）

排序数组-快排

2022-09-17 09:05:32 200

原创【Python】keras 和 tensorflow 版本对应关系

详细参照：[https://docs.floydhub.com/guides/environments/](https://docs.floydhub.com/guides/environments/)

2022-03-22 15:00:38 4701

原创 Python-变分模态分解（VMD）python代码及其测试用例

下载资源：https://download.csdn.net/download/weixin_41990278/82427690

2022-02-26 15:41:08 3208

原创 Python-经验模态分解（EMD）分解及测试用例

1.EMD 工具包安装下载地址：https://github.com/laszukdawid/PyEMD2.解压工具包，将文件复制到自己的python（Anaconda）的Lib的site-packages3.cmd切换到包的目录4.输入python setup.py install安装5.EMD分解实验# 导入工具库import numpy as npfrom PyEMD import EMD, Visualisation# 构建信号t = np.arange(0,1, 0.01)

2022-02-25 10:42:55 1854

原创【pytorch】model.train()解释

model.train():在使用pytorch构建神经网络的时候，训练过程中会在程序上方添加一句model.train()，作用是启用batch normalization和drop out。model.eval():测试过程中会使用model.eval()，这时神经网络会沿用batch normalization的值，并不使用drop out。...

2021-09-25 09:36:02 1671

转载【Tensorflow】Python编程之tf.summary.scalar()的用法

这个方法是添加变量到直方图中，但是不配合其他的方法，根本就显示不出来它的意义！以下代码如下：import tensorflow as tf# 定义两个变量a = tf.placeholder(dtype=tf.float32, shape=[])b = tf.placeholder(dtype=tf.float32, shape=[])#添加变量进去tf.summary.scalar('a', a)tf.summary.scalar('b', b)# 将所有summary全部保存到磁盘，以

2021-09-24 09:04:45 534

转载【python】parse_args()详解

1-引入模块import argparse2-建立解析对象parser = argparse.ArgumentParser()3-增加属性：给xx实例增加一个aa属性 # xx.add_argument(“aa”)parser.add_argument(“echo”)4-属性给与args实例：把parser中设置的所有"add_argument"给返回到args子类实例当中，那么parser中增加的属性内容都会在args实例中，使用即可。args = parser.parse_arg

2021-09-24 08:18:09 2911

转载【shell】shell创建虚拟环境virtualenv(-bash: virtualenv: command not found)

在安装完python及pip，setuptools等工具后，即可以创建virualenv虚拟环境了，这个类似于虚拟机的工具，可以让同一台电脑中运行多个不同版本的python程序，互不影响，不用的时候，可以退出或删除，挺不错的一个开发工具。pip install virtualenv 安装完成后，执行 cd /home/python virtualenv venv 会报： bash: virtualenv: command not found 此时，可通过find命令查找到v

2021-09-08 09:58:50 862

原创【车流量预测】(2021IGAGCN)IGAGCN:用于交通流预测的信息几何和基于注意力的时空图卷积网络

写在前面的话：本次介绍一篇今年刚出版的一个关于车流量预测的论文，从论文的框架图可以看出本文是与ASTGCN有很大的相似性，也是将Week,Day,Hour三种输入分开利用模型然后进行的方式，唯一的不同（创新点）就是将核心部分使用IGAGCN cell的方式进行打包了。而其中IGAGCN cell也是使用了我们常用的temporal attention和spatial attention等方式进行结合。虽然说本文的方式没有独特的亮点，但是本文的写作具有参考性，且有一定的完整性。详细的大家可以看看全文。An

2021-07-06 10:13:00 1352

原创【车流量预测】(2018DCRNN)Diffusion convolutional recurrent neural network: Data-driven traffic forecasting

DCRNN:扩散卷积循环神经网络:数据驱动的交通预测Li Y, Yu R, Shahabi C, et al. Diffusion convolutional recurrent neural network: Data-driven traffic forecasting[J]. ICLR:1707.01926, 2018.1.摘要时空预测在神经科学、气候、交通等领域有着广泛的应用。交通预测就是这种学习任务的典型例子。由于(1)对道路网络的复杂空间依赖性，(2)随着道路条件变化的非线性时..

2021-06-25 21:40:28 1189

原创【Pytorch】单机多卡数据并行DataParallel

单卡多级的模型训练，即并行训练，可分为数据并行和模型并行两种.数据并行是指，多张 GPUs 使用相同的模型副本，但采用不同 batch 的数据进行训练.模型并行是指，多张 GPUs 使用同一 batch 的数据，分别训练模型的不同部分.如图：1. DataParallel 简述pytorch 默认只用一个 GPU，但采用 DataParallel很便于使用多 GPUs 的.import osos.environ["CUDA_VISIBLE_DEVICES"] = "1,2"# 注: 多卡

2021-05-07 09:30:59 3748 2

原创【linux】linux中查看python的安装路径

方法一：查看所有python的路径，不止一个whereis python方法二：查看当前使用的python路径which python

2021-04-19 13:08:12 2024

原创【PyTorch】PyTorch中的model.zero_grad()和optimizer.zero_grad()使用

在训练Pytorch的时候，我们会使用model.zero_grad()optimizer.zero_grad()首先，这两种方式都是把模型中参数的梯度设为0当optimizer = optim.Optimizer(net.parameters())时，二者等效，其中Optimizer可以是Adam、SGD等优化器def zero_grad(self): """Sets gradients of all model parameters to zero.""" f

2020-12-20 10:47:31 4900 1

原创【Pytorch】Pytorch的net.train 和 net.eval的使用区别

在训练Pytorch的时候，我们会在训练模型时会在前面加上：model.train()在测试模型时在前面使用：model.eval()同时发现，如果不写这两个程序也可以运行，这是因为这两个方法是针对在网络训练和测试时采用不同方式的情况，比如Batch Normalization 和 Dropout。训练时是正对每个min-batch的，但是在测试中往往是针对单张图片，即不存在min-batch的概念。由于网络训练完毕后参数都是固定的，因此每个批次的均值和方差都是不变的，因此直接结算所有ba

2020-12-20 10:37:42 868 1

原创【系统操作】windows无法删除文件，提示文件夹正在使用

我们日常使用windows，有时候会出现文件无法删除的情况，提示“文件正在被使用”，实质上是电脑上运行的进程或者APP正在使用此文件，导致无法删除，今天小编告诉你这种情况的处理方法。步骤一在windows桌面删除名为U盘的文件夹，提示“文件正在无法，操作无法完成“这种情况就是有APP正在占用步骤二：windows中的任务管理器会对电脑和操作系统的运行情况进行监控，我们可以找到占用文件的进程，然后关闭进程释放出文件。按照下图方法打开任务管理器，鼠标放在下方任务栏，鼠标右键进入任务管理器（或者快捷键CT

2020-12-19 14:32:38 377 1

转载【Latex】LaTeX中aux文件引起的错误之解决方法

问题描述本来Tex文件中有一个错误，我修正了该错误。再次编译运行后，仍然会出现错误：实际上认真阅读错误提示，我们可知：这是仅仅由 aux文件引起的错误。更新tex文件后，没有及时更新aux文件内容，造成二者不一致。问题解决删除aux文件即可解决该问题。出现这种情况的原因多种多样，这里描述的仅仅是一种。请读者在使用的过程中逐渐体会。...

2020-12-19 08:19:56 4052 2

原创【车流量预测论文】(2020)GMAN: A Graph Multi-Attention Network for Traffic Prediction-20201213

GMAN:一种用于交通预测的图形多注意网络GMAN: A Graph Multi-Attention Network for Traffic Prediction论文参考代码Github：https://github.com/suu1994/GMAN摘要由于交通系统的复杂性和许多影响因素不断变化的性质，长期交通预测具有很大的挑战性。在本文中，我们关注时空因素，并提出一种图多注意网络(GMAN)预测道路网络图中不同位置的超前时间步长的交通状况。GMAN采用了一种编码器-解码器架构，其中编码器和解码器均

2020-12-13 20:18:05 2338 3

原创【车流量预测论文】Geoman: Multi-level attention networks for geo-sensory time series prediction.-20201206

GeoMAN：基于multi-level attention机制的传感器时间序列预测模型简单的Pytorch实现，具体可以参考Github: https://github.com/xchadesi/GeoMAN, 这里主要介绍一下该模型的应用场景、多层注意力机制原理，以及输入数据的构造方法等。1.应用场景上图是北京市地区的空气检测站的分布图，每一个检测站被称之为一个sensor，每一个sensor在一天之内都会间隔固定的时间（一般是5min）采集空气数据，其中包括：温度、湿度、PM2.5（是本文需

2020-12-06 11:28:05 1041

原创【车流量预测论文】Graph WaveNet for Deep Spatial-Temporal Graph Modeling-20201201

用于深度时空图建模的图波网Graph WaveNet for Deep Spatial-Temporal Graph Modeling1.摘要本文提出了一个新的时空图建模方式，并以交通预测问题作为案例进行全文的论述和实验。交通预测属于时空任务，其面临的挑战就是复杂的空间依赖性和时间依赖性。近年来由于图卷积的火热，加上路网结构和图卷积的契合，在交通领域的应用达到了不错的效果。然而，之前的工作存在一些不足。对空间层面而言，之前的工作往往是在一张固定的图结构上取捕获空间依赖特征，假设实体之间的基本关系是预先

2020-12-01 09:17:59 3050 1

原创【软件问题】解决WPS中的VBA支持库安装问题（亲测可用）

一键解决WPS中的VBA支持库安装问题。

2020-11-27 16:20:15 13552 8

原创【车流量预测论文】(2020)city-wide traffic flow forecasting using a deep convolutional neural network[1101]

使用深度卷积神经网络进行全市交通流预测city-wide traffic flow forecasting using a deep convolutional neural networkCity-wide traffic flow forecasting is a significant function of the Intelligent Transport System (ITS), which plays an important role in city traffic managemen

2020-11-01 21:29:35 919

原创【技术分享】一行Python代码降低运行内存问题

一行Python代码降低运行内存问题小测试：这样一个对象会占用多少内存？这个类到底占多少内存？它总共占用多少内存呢？是否有可能减少内存消耗没有__slots__时如何节省更多的内存？结论内存不足是项目开发过程中经常碰到的问题，我和我的团队在之前的一个项目中也遇到了这个问题，我们的项目需要存储和处理一个相当大的动态列表，测试人员经常向我抱怨内存不足。但是最终，我们通过添加一行简单的代码解决了这个问题。结果如图所示：我将在下面解释它的工作原理。举一个简单的“learning”示例 - 创建一个Data

2020-10-31 09:29:51 772

原创【异常检测】使用Python进行异常检测

这里写自定义目录标题使用Python进行异常检测公式和过程功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入使用Python进行异常检测异常检测是异常值分析中的一项统计任务，但是如果我们开发一个机器学习模型来自动化地进行异常检测，

2020-10-30 15:26:41 2237 6

原创【异常检测论文】Anomaly Detection综述

一、简介异常检测一直是机器学习中一个非常重要的子分支，在各种人工智能落地应用例如计算机视觉、数据挖掘、NLP中，异常检测算法都是很热门的研究方向，特别是大数据时代，人工处理数据的速度已经远远赶不上机器了，所以更快地检测数据中的异常情况成为了我们当下非常重要的任务。在深度学习广泛的推广之前，传统的异常检测算法有很多，例如高斯拟合，半监督学习等等，而在深度学习大火之后，人们也开始研究将深度学习应用于各种异常任务中(也就是Deep Anomaly Detection，以下统称DAD)，并取得了很大的成功，本文将

2020-10-29 17:27:49 5406 2

原创【技术网站分享】全面整理了一波技术网站，分享给大家！

一、在线教程首先列出一些在线教程网站，这些在线教程网站通常都比较适合入门，可以作为开发学习路上的第一个阶梯，也可以作为工作中的在线文档。1、菜鸟教程地址：https://www.runoob.com/简介：在线教程网站，前端学习看这两个网站就够了。推荐指数：⭐⭐⭐2、易百教程地址：https://www.yiibai.com/简介：内容比较全面的在线教程网站。推荐指数：⭐⭐⭐3、码农教程地址：http://www.manongjc.com/简介：大量IT编程

2020-10-26 09:18:07 3047

原创【车流量预测论文】一种基于多模态深度学习的混合交通流预测方法[1025]

一种基于多模态深度学习的混合交通流预测方法A Hybrid Method for Traffic Flow Forecasting Using Multimodal Deep Learning作者团队：西南交通大学&国立台湾科技大学等Traffic flow forecasting has been regarded as a key problem of intelligent transport systems. In this work, we propose a hybrid mult

2020-10-25 20:54:45 1192

原创【LaTeX】LaTeX/Algorithms 伪代码

algorithmic和algorithmicx介绍下algorithmic和algorithmicx，这两个包很像，很多命令都是一样的，只是algorithmic的命令都是大写，algorithmicx的命令都是首字母大写，其他小写(EndFor两个大写)。下面是algorithmic的基本命令。\STATE <text>\IF{<condition>} \STATE{<text>} \ENDIF\FOR{<condition>} \STATE{

2020-10-14 19:20:22 1592

转载【Latex】Latex 生成参考文献及无法生成参考文献原因

Latex 生成参考文献及无法生成参考文献原因

2020-10-09 08:45:05 2835

原创【Python】python如何将日期转换为星期

此方法需要使用到datetime库。实例代码如下：from datetime import datetimeweek = datetime.strptime("2019-03-04","%Y-%m-%d").weekday()print(week)打印结果为0。该方法会返回数字0—6，依次代表周一到周日。

2020-09-12 10:40:24 3606

household-power-consumption数据集

包括原始网站下载文件household_power_consumption.txt，和转换为csv文件household_power_consumption.csv。

2022-10-29

PeMSD-BAY交通车流量数据集

Pems-Bay:包含在湾区325个传感器上6个月的交通速度信息。

2022-10-19

METR-LA交通车流量数据集

METR-LA，洛杉矶高速路数据集，"metr-la.h5"，原始数据shape=(12,6850,207)——间隔5分钟，预测未来1小时(12,207,2)->(12,207,1)。

2022-10-19

PEMS-SF交通车流量数据集

PEMS-SF 交通时间序列数据包含 267 个训练序列和 173 个测试序列，长度为 144（全天每 10 分钟采样一次）。它是具有 963 个维度的多元变量，代表从 963 个不同传感器收集的高速公路占用率。

2022-10-19

车流量数据集+PeMs-SF+预测

这个数据集描述了旧金山湾区高速公路不同车道的占用率，在0到1之间。这些测量的时间跨度为1/1/2008至3/30/2009，数据每10分钟采样一次。

2022-08-31

「二分类算法」提供银行精准营销解决方案数据集

「二分类算法」提供银行精准营销解决方案数据集，包括训练集和测试集。

2022-05-23

加州高速路网PeMS交通流量数据集PEMS08

加州高速路网PeMS交通流量数据集PEMS08。

2022-05-10

加州高速路网PeMS交通流量数据集PEMS07

加州高速路网PeMS交通流量数据集PEMS07。

2022-05-10

加州高速路网PeMS交通流量数据集PEMS04

2022-05-10

加州高速路网PeMS交通流量数据集PEMS03

加州高速路网PeMS交通流量数据集PEMS03。

2022-05-10

中国科学技术大学软件学院考研复试指南

中国科学技术大学软件学院考研复试指南，非常详细。

2022-05-07

UrbanGB城市中心标注的城市道路事故坐标数据集

英国城市地区发生360177起交通事故的坐标(经纬度)，并根据事故发生的城市中心进行标记(469个可能的标签)。

2022-05-04

使用智能手机进行人类活动识别数据集

类活动识别数据库是根据30名受试者的记录建立的，他们在进行日常生活活动(ADL)时，携带了一个嵌入式惯性传感器的腰装智能手机。对于数据集中的每条记录，它提供:-加速度计的三轴加速度(总加速度)和估计的身体加速度。-陀螺仪的三轴角速度。-具有时域和频域变量的561特征向量。-其活动标签。-进行实验的主体的标识符。实验是在一组年龄在19-48岁的30名志愿者中进行的。每个人在腰上佩戴三星Galaxy S II智能手机，进行六项活动(走路、上楼、下楼、坐、站、躺)。

2022-05-04

基于LSTM和模糊聚类的股票价格的区间预测 python版代码下载

基于LSTM和模糊聚类的股票价格的区间预测 python版代码下载。预测区间可以用来预测时间序列的上界和下界。提供的数据集来自 Yahoo Finance API、gold.org、美国能源和信息管理局和 fred.stlouisfed.org。雅虎财经数据包括每日最高价、最低价、成交量和收盘价。处理后的数据集包括从 2003 年 12 月 30 日到 2021 年 6 月 30 日的日期。目标是行业 ETF 的每日收益，包括：XLY、XLP、XLE、XLF、XLV、XLI、XLK、XLB、XLU。功能可以细分为美国固定收益、汇率、全球指数、美国行业 ETF 和商品。可以在下面找到功能和目标的摘要。处理后的特征是外部连接和前向填充的。

2022-04-22

基于随机森林和增强森林的区间预测 R语言版

R包，它实现了随机森林和增强森林的区间预测。参考文献： Alakus, C., Larocque, D., and Labbe, A. (2021). RFpredInterval: An R Package for Prediction Intervals with Random Forests and Boosted Forests. arXiv preprint https://arxiv.org/abs/2106.08217. M.-H. Roy and D. Larocque. Prediction intervals with random forests. Statistical Methods in Medical Research, 29(1):205–229, Jan. 2020. URL https://doi.org/10.1177/0962280219829885.

2022-04-21

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

household-power-consumption数据集

PeMSD-BAY交通车流量数据集

METR-LA交通车流量数据集

PEMS-SF交通车流量数据集

车流量数据集+PeMs-SF+预测

「二分类算法」提供银行精准营销解决方案数据集

加州高速路网PeMS交通流量数据集PEMS08

加州高速路网PeMS交通流量数据集PEMS07

加州高速路网PeMS交通流量数据集PEMS04

加州高速路网PeMS交通流量数据集PEMS03

中国科学技术大学软件学院考研复试指南

UrbanGB城市中心标注的城市道路事故坐标 数据集

使用智能手机进行人类活动识别 数据集

基于LSTM和模糊聚类的股票价格的区间预测 python版代码下载

基于随机森林和增强森林的区间预测 R语言版

基于PSO-KELM的卫星参数区间预测代码 matlab版

加州高速路网PeMS交通流量数据集(PEMS03、PEMS04、PEMS07和PEMS08)

变分模态分解（VMD）python代码及其测试用例

xshell7和xftp免费版，学校教育版，亲测可用

加州高速路网PeMS交通流量数据集

中国科学技术大学-机器学习与知识发现-陈恩红-2016级研究生期末考试.docx

web下拉选项的分组、多选和搜索

RS触发器应用详解

PCB多层板各层含义详解

NMOS和PMOS识别

LDO与DCDC区别、原理及应用详解

H桥驱动电路原理图及使能控制和方向逻辑

DMM（数字万用表）精度5位半和6位半的含义

CAN网络特性阻抗及终端阻抗解析

Cadence使用技巧说明

Cadence Allegro软件中重新设置原点的详细步骤

Allegro元件封装(焊盘)制作方法总结

ADuM磁隔离芯片与6N137光耦隔离的比较

空空如也

UrbanGB城市中心标注的城市道路事故坐标数据集

使用智能手机进行人类活动识别数据集