基于可穿戴设备的日常活动模式挖掘

发布时间：2017-11-16 21:24

  本文关键词：基于可穿戴设备的日常活动模式挖掘

  更多相关文章： 日常活动模式 模式挖掘 可穿戴计算

【摘要】：人体运动的挖掘与识别是可穿戴技术和普适计算的热门领域。主流的人体运动计算方法通过离线机器学习的技术对人体运动进行预测。而个性化的识别对原来的学习模式提出了新的挑战,如用户的活动类型不一定出现在离线的训练集中。这一问题在日常活动模式(Activities of Daily Living)领域尤其凸显,因为不同职业的人群的日常活动截然不同,这需要系统自动发现与挖掘不在离线词汇表中的活动类型,尤其是那些占据了大部分时间的活动类型。本文提出了从可穿戴设备的加速度数据中无监督地发现与挖掘日常活动模式的算法,挖掘数据中频繁出现的活动模式,并为每种活动模式进行建模。与经典的聚类算法不同的是,本文的挖掘算法(1)发现的活动类别的数量可以动态计算而得,自适应于数据;(2)为每种发现的活动类型建立的匿名分类器,命名后可复用;(3)可以对新的数据进行持续地挖掘,包括识别已有的活动类型以及发现新的活动类型。论文的主要工作和研究成果包括:(1)设计了一套结合活动分段和聚类的日常活动挖掘算法框架,该算法框架可动态计算活动模式的数量,并可持续进行新活动类型的发现和挖掘。(2)提出了基于主题分布稳定性的加速度流分段方法,该方法可以有效地提取每种活动类型的原型数据,每个片段中的多个样本同属于一种活动。该方法基于主题分布稳定性进行分段,有效地将活动原型个数和主题个数解耦合,使得挖掘到的活动原型个数可动态计算。(3)提出了一种通过分段结果获得训练样本(包括样本和标签)的采样方法,该方法可以为动作原型采集数量合理并具有一定多样性的训练样本集。(4)提出了迭代挖掘的方法和以可复用的分类器表达聚类结果的思想,实现了新活动的持续发现。(5)本文的算法在Ubicomp08和PAMAP2公开数据集上做了实验与算法验证,实验表明本算法有良好的日常活动发现与挖掘能力。其中,在Ubicomp08数据集共发现了13种日常活动模式,覆盖了88%的数据,达到了82%的灵敏度以及80%的聚类准确性。在PAMAP2的数据集上,共发现了17种日常活动模式,覆盖率67%的数据,达到了92%的灵敏度以及91%的聚类准确性。另外,算法习得的匿名分类器在命名后,对未知数据的识别率也可达到71%的灵敏度以及84%的准确率。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP368.33;TP311.13

【相似文献】

中国期刊全文数据库 前10条

1 吕岳,施鹏飞,赵宇明;多分类器组合的投票表决规则[J];上海交通大学学报;2000年05期

2 韩宏;杨静宇;;多分类器组合及其应用[J];计算机科学;2000年01期

3 陈刚,戚飞虎;多分类器结合的人脸识别[J];上海交通大学学报;2001年02期

4 韩宏,杨静宇,娄震;基于层次的分类器组合[J];南京理工大学学报(自然科学版);2002年01期

5 赵谊虹,程国华,史习智;多分类器融合中一种新的加权算法[J];上海交通大学学报;2002年06期

6 王正群,叶晖,孙兴华,杨静宇;模糊多分类器组合[J];小型微型计算机系统;2003年01期

7 杨利英,覃征,王向华;多分类器融合实现机型识别[J];计算机工程与应用;2004年15期

8 杨利英,覃征,王卫红;多分类器融合系统设计与应用[J];计算机工程;2005年05期

9 陈湘;;1-范数软间隔分类器的风险[J];湖北大学学报(自然科学版);2006年02期

10 秦锋;杨波;程泽凯;;分类器性能评价标准研究[J];计算机技术与发展;2006年10期

中国重要会议论文全文数据库 前10条

1 王占一;徐蔚然;刘东鑫;郭军;;一种基于两级分类器的垃圾短信过滤方法[A];第五届全国信息检索学术会议论文集[C];2009年

2 翟静;李海宏;唐常杰;陈敏敏;李智;;可验证对象集分类器的再训练演进[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

3 陈继航;刘家锋;赵巍;唐降龙;;联机手写识别笔段特征分类器的学习方法[A];黑龙江省计算机学会2009年学术交流年会论文集[C];2010年

4 穆明生;;基于特征集的多种分类器模型的在线笔迹认证[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

5 彭涛;左万利;赫枫龄;;基于链接上下文的分类器主题爬行技术(英文)[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

6 王岚;陈珂;迟惠生;;基于多特征组合多分类器的方法用于“与文本无关”的说话人辨认[A];第四届全国人机语音通讯学术会议论文集[C];1996年

7 谢秋玲;;应用于心电图分类的KNN-SVM分类器研究[A];2006中国控制与决策学术年会论文集[C];2006年

8 胡琼;汪荣贵;胡韦伟;孙见青;;基于级联分类器的快速人脸检测方法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

9 李兰春;王双成;杜瑞杰;;认知结构评估的动态贝叶斯网络分类器方法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

10 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集（上卷）[C];2004年

中国重要报纸全文数据库 前1条

1 黄明;精子分类器决定生男生女[N];广东科技报;2000年

中国博士学位论文全文数据库 前10条

1 张非;对抗逃避攻击的防守策略研究[D];华南理工大学;2015年

2 刘明;分类器组合技术研究及其在人机交互系统中的应用[D];北京交通大学;2008年

3 严志永;在划分数据空间的视角下基于决策边界的分类器研究[D];浙江大学;2011年

4 王U，

本文编号：1193751