發(fā)布時間：2024-11-05 21:29

　　在智能家居環(huán)境下,通過部署的傳感器來獲取環(huán)境數(shù)據(jù),利用行為識別知識處理這些數(shù)據(jù),來感知居民需求,為居民生活提供幫助。雖然行為識別技術(shù)經(jīng)過長期的發(fā)展已經(jīng)有了很大的進步,但是在很多方面仍然具有不少挑戰(zhàn)。例如在動態(tài)傳感器數(shù)據(jù)流分割方面,現(xiàn)有的技術(shù)有時會把同一個活動劃分為多個傳感器片段,或者把多個活動合并為一個活動。其次,在數(shù)據(jù)標(biāo)記方面采用人工標(biāo)記不僅耗時費力,而且容易出錯。在特征提取方面只采用預(yù)定義特征或者離散特征沒有關(guān)注傳感器的時間序列屬性等問題。針對上述問題,本論文進行以下三個方面的研究:(1)針對動態(tài)傳感器數(shù)據(jù)流分割邊界難以確定等問題,本文提出一種基于邊界傳感器互信息的時間加權(quán)分割算法。首先統(tǒng)計訓(xùn)練集中作為邊界的傳感器組,然后統(tǒng)計每個邊界傳感器組在整個訓(xùn)練集中出現(xiàn)的個數(shù)以及作為邊界的個數(shù),用來計算每個傳感器組的邊界占比,最后統(tǒng)計每個邊界傳感器組的時間跨度。接下來進行分割得到分割后的傳感器片段,然后利用分割后的片段進行活動識別。通過與現(xiàn)有方法進行對比,表明本文的方法具有更高的實用性。(2)針對數(shù)據(jù)標(biāo)記工作費時費力并且容易出錯等問題,本文提出一種基于半監(jiān)督的數(shù)據(jù)標(biāo)記改進算法。首先利用相似度比...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文??２日常行為識別的研究基礎(chǔ)??２．１日常行為識別過程??居民日常行為識別通常可分為四個階段，如圖２．１所示。第一階段是采集由居??民日常行為所觸發(fā)的傳感器事件序列數(shù)據(jù)。第二階段是分割和預(yù)處理采集到的傳??感器數(shù)據(jù)。傳感器序列預(yù)處理主要是清除原始數(shù)....

大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文??成一組時間間隔相等的滑動窗口，例如每隔６０秒，如圖２．２中的（Ｂ）所示。另一??種類似的方法是將整個序列劃分為一組滑動窗口，滑動窗口的傳感器事件數(shù)量相??等，例如每２０個傳感器分割一次，如圖２．２中的（Ｃ）所示。雖然這樣的方法更容??易實現(xiàn)，但....

結(jié)果都是Ｅａｔ或者是Ｓｌｅｅｐ那么??就將Ｗａｔｃｈ－ＴＶ放回未標(biāo)記數(shù)據(jù)中。不斷循環(huán)上述過程直到未標(biāo)記數(shù)據(jù)為空。這種??方法有一個缺點就是：如果用相同的數(shù)據(jù)訓(xùn)練分類器會導(dǎo)致，分類結(jié)果可能過度??擬合導(dǎo)致分類效果不佳。非監(jiān)督方法不需要預(yù)定義活動可以直接進行聚類，但是??如果像［７９....

智能彖居中日常行為分割與標(biāo)記方法研究??３．３．４實驗結(jié)果及分析??從圖３．１和３．２可以看出，Ｗ中滑動窗口方法分段錯誤率很低，而本文的方法??在邊界占比大于零時分段錯誤率最高，在邊界占比大于０．５時分段錯誤率最低，但??是也比Ｍ中的滑動窗口方法分段錯誤率高得多，這是因為對于同一....

本文編號：4011490