面向生活数据的事件检测技术研究
发布时间：2023-05-14 02:34
随着数据管理技术的发展与可穿戴智能设备的普及,个人生活数据受到了越来越多的关注。面向个人生活事件的检测一直是复杂事件检测领域的重要研究内容。通过将个人生活数据与事件检测有效地结合起来,可以更好地指导人们改善生活水平,提高生活质量,具有重要的研究价值和经济价值。简单行为事件主要是对个人身体状态的描述,例如坐立,跑步和走路等简单动作,这些行为事件可以显示出个人每天的运动情况,而适当的运动对于个人健康而言极为重要。面对智能设备中集成传感器快速发展的现状,本文提出了一种基于多传感器和多权重的简单行为事件检测方法MWKNN,挖掘多个传感器数据在用户特定行为下的联系,并充分考虑到不同传感器对于不同简单行为事件的检测效果具有差异性,设置相应的特征权重,从而提高识别效果。提出了基于查询集过滤的优化方案,解决了KNN时间复杂度的问题。相关实验结果表明,利用多种传感器协同工作的简单行为事件检测模型可以有效提高人体简单行为事件的识别率,同时过滤方案可以有效降低行为检测所需时间。在获取个人实时的运动情况后,结合其他生活数据信息,本文提出了生活数据网络(Observations of da...
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 生活数据与个人健康
1.2.2 行为事件检测技术
1.3 主要研究内容和安排
1.3.1 主要研究内容
1.3.2 结构安排
第二章 相关概念及技术介绍
2.1 行为事件
2.2 可穿戴设备数据分析技术
2.2.1 可穿戴设备分类
2.2.2 可穿戴设备的数据获取
2.2.3 可穿戴设备的数据处理
2.2.4 简单行为事件检测方法
2.3 异构信息网络
2.3.1 网络模型
2.3.2 元路径
2.4 图相似性查询技术
2.4.1 图相似性查询定义
2.4.2 图相似性计算方法
2.5 本章小结
第三章 基于多权重KNN的简单行为事件检测方法
3.1 简单行为事件检测概述
3.1.1 研究现状
3.1.2 问题分析
3.2 数据处理
3.3 简单行为事件检测模型
3.3.1 K值的选定
3.3.2 各参数权重确定
3.3.3 基于多权重的KNN简单行为事件检测算法
3.3.4 基于KNN简单行为事件检测算法的优化
3.4 实验分析
3.4.1 实验准备
3.4.2 实验环境和实验数据集
3.4.3 结果分析
3.5 本章总结
第四章 基于生活数据网络的复杂行为事件检测
4.1 概述
4.2 生活数据网络建模
4.2.1 复杂行为事件
4.2.2 生活数据网络
4.3 生活数据网络切割
4.3.1 基于时间特征的生活数据网络划分
4.3.2 基于空间特征的生活数据网络划分
4.3.3 基于聚类的生活数据网络划分
4.4 生活数据网络的相似性查询
4.4.1 基于星型结构的生活数据网络相似性度量方法
4.4.2 基于元路径的生活数据网络相似性度量方法
4.4.3 基于主结构序列的生活数据网络相似性度量方法
4.5 基于生活数据网络相似性度量的过滤算法
4.5.1 基于异构星型结构的相似度计算的过滤算法
4.5.2 基于元路径相似度计算的过滤算法
4.5.3 基于主结构序列相似度计算的过滤算法
4.6 实验分析
4.6.1 实验环境及实验数据集
4.6.2 性能标准
4.6.3 结果分析
4.7 本章小结
第五章 基于生活数据的事件检测原型系统的设计与实现
5.1 系统概述
5.1.1 系统工作流程
5.1.2 功能简介
5.2 系统硬件方案
5.3 系统软件方案
5.3.1 数据采集单元
5.3.2 数据管理单元
5.4 生活数据建模与查询
5.4.1 生活数据建模
5.4.2 生活数据查询
5.5 本章小结
第六章 总结和展望
6.1 总结
6.2 展望
致谢
参考文献
作者简介
本文编号：3817009
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 生活数据与个人健康
1.2.2 行为事件检测技术
1.3 主要研究内容和安排
1.3.1 主要研究内容
1.3.2 结构安排
第二章 相关概念及技术介绍
2.1 行为事件
2.2 可穿戴设备数据分析技术
2.2.1 可穿戴设备分类
2.2.2 可穿戴设备的数据获取
2.2.3 可穿戴设备的数据处理
2.2.4 简单行为事件检测方法
2.3 异构信息网络
2.3.1 网络模型
2.3.2 元路径
2.4 图相似性查询技术
2.4.1 图相似性查询定义
2.4.2 图相似性计算方法
2.5 本章小结
第三章 基于多权重KNN的简单行为事件检测方法
3.1 简单行为事件检测概述
3.1.1 研究现状
3.1.2 问题分析
3.2 数据处理
3.3 简单行为事件检测模型
3.3.1 K值的选定
3.3.2 各参数权重确定
3.3.3 基于多权重的KNN简单行为事件检测算法
3.3.4 基于KNN简单行为事件检测算法的优化
3.4 实验分析
3.4.1 实验准备
3.4.2 实验环境和实验数据集
3.4.3 结果分析
3.5 本章总结
第四章 基于生活数据网络的复杂行为事件检测
4.1 概述
4.2 生活数据网络建模
4.2.1 复杂行为事件
4.2.2 生活数据网络
4.3 生活数据网络切割
4.3.1 基于时间特征的生活数据网络划分
4.3.2 基于空间特征的生活数据网络划分
4.3.3 基于聚类的生活数据网络划分
4.4 生活数据网络的相似性查询
4.4.1 基于星型结构的生活数据网络相似性度量方法
4.4.2 基于元路径的生活数据网络相似性度量方法
4.4.3 基于主结构序列的生活数据网络相似性度量方法
4.5 基于生活数据网络相似性度量的过滤算法
4.5.1 基于异构星型结构的相似度计算的过滤算法
4.5.2 基于元路径相似度计算的过滤算法
4.5.3 基于主结构序列相似度计算的过滤算法
4.6 实验分析
4.6.1 实验环境及实验数据集
4.6.2 性能标准
4.6.3 结果分析
4.7 本章小结
第五章 基于生活数据的事件检测原型系统的设计与实现
5.1 系统概述
5.1.1 系统工作流程
5.1.2 功能简介
5.2 系统硬件方案
5.3 系统软件方案
5.3.1 数据采集单元
5.3.2 数据管理单元
5.4 生活数据建模与查询
5.4.1 生活数据建模
5.4.2 生活数据查询
5.5 本章小结
第六章 总结和展望
6.1 总结
6.2 展望
致谢
参考文献
作者简介
本文编号：3817009
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3817009.html
