Stap 3: Hoe te implementeren?
Hierboven is gegevens plot van verschillende sensoren versus tijd voor juiste en verkeerde beweging.
1.) BarCode is gekoppeld met elke training machine, gebruiker scant de barcode met mobile waardoor het in het type van oefening zal voelen. We hebben een Zxing-barcode API gebruikt voor android. NFC tag kunnen we gebruiken om te detecteren van trainingen.
2.) WICED zin kan worden gebruikt als een armband die de motie om te beoordelen van de juistheid van de training zal voelen.
-> u gebruikt Wiced zin apparaat als een draagbaar korrekte beweging detecteren.
3.) de gegevens van de beweging analyseert eerst zien we de Livestream grafiek plotten met behulp van plotly.ly
-> Gebruikt Cylon node.js om uit te pakken van de ruwe gegevens en plotten Livestream grafiek met behulp van node.js.
4.) na het extraheren van gegevens van de gyroscoop, versnellingsmeter en magnetometer uit sensoren, we analyseren van de gegevens en uitpakken van diverse eigenschappen voor ons leren-algoritme.
5.) op de Matlab hulpmiddel, wij eerst het algoritme om te leren van onze hypothese voor binaire classification(Correct/Incorrect) geïmplementeerd.
6.) na het verkrijgen van de gegevens van sensoren, stuurt het naar intel edison en nadat het zal gaan naar de cloud voor verdere analytische.