CODA: 适用于 HAR 的高效测试时领域适应机制

基于主动学习理论，CODA 是一种用于移动感知的成本高效域适应机制，它从数据分布的角度解决了实时漂移问题，通过聚类损失和重要性加权主动学习算法保留不同聚类之间的关系，展示了与神经网络解决方案的整合，并通过对各种数据集进行细致评估证明了 CODA 在线适应性的可行性和潜力。