手環血氧準確度的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

基於可穿戴式設備和機器學習策略建立青年動態熱舒適模型與驗證

為了解決手環血氧準確度的問題，作者沈以塘 這樣論述：

摘要 iAbstract ii致謝 iv目錄 v表目錄 viii圖目錄 x 第一章 緒論 11.1 前言 11.2 文獻回顧 2 1.2.1舒適度指標 2 1.2.2穿戴式裝置量測生理參數與熱舒適關聯 3 1.2.3熱舒適模型建立 4 1.2.4不同冷熱刺激對於熱舒適反應 4 1.2.5機器學習方法 41.3 研究動機與目的 6 第二章 實驗原理 72.1 熱舒適指標 7 2.1.1 預測平均投票與預測不滿意百分率 7 2.1.2熱感覺投票 82.2 相關生理參數 9 2.2.1額頭溫度 9 2.

2.2血液流量 9 2.2.3心率 10 2.2.4出汗量 112.3 機器學習 11 2.3.1隨機森林 12 2.3.2支援向量機 13 2.3.3類神經網路 15 2.3.4混淆矩陣 17 第三章 研究方法 193.1 實驗設備 19 3.1.1 機器學習平台 19 3.1.2 Arduino UNO 21 3.1.3 Testo 400 多功能風速計 22 3.1.4 家用健走機LW80 24 3.1.5 皮膚電阻感測器 25 3.1.6 都卜勒血液流量計 25 3.1.7 表

面式溫度貼片計 27 3.1.8 醫用型心率血氧機 28 3.1.9 商用型心率手環裝置 303.2醫用型心率血氧機與平價商用型心率手環校正 32 3.2.1 校正分析結果 32 3.2.2 小結 363.3實驗方法 36 3.3.1 實驗流程 36 3.3.2 實驗場域 37 3.3.3 量測部位 38 3.3.4 熱感覺投票 433.4數據分析與應用程式 43 3.4.1 分析軟體 43 3.4.2 前額溫度 44 3.4.3血液流量 45 3.4.4 出汗量 45 3.4.5 心

跳速率 46 第四章 結果與討論 474.1生理參數與熱感受投票的關聯性 47 4.1.1運動對熱感受投票趨勢圖 47 4.1.2額溫對於運動強度之反應情形 50 4.1.3血液流量對於運動強度之反應情形 51 4.1.4出汗對於運動強度之反應情形 53 4.1.5心率對於運動強度之反應情形 55 4.1.6運動熱感覺投票探討 574.2 機器學習建立熱舒適模型 64 4.2.1 隨機森林 64 4.2.2 類神經網路 71 4.2.3 支援向量機 77 4.2.4 各模型下有無血液流量的準確度與精密性探討

834.3不同機器學習方法之比較 844.4與他人的實驗結果比較 94第五章 結論與建議 994.1 結論 994.2 未來展望與建議 101參考文獻 102符號彙編 108縮寫彙編 110