基于智能手机传感器的用户运动行为分析与预测
发布时间：2022-01-26 09:30
现代工业和科技的发展不仅给人们的生活带来了诸多便利,同时也使人们的生活习惯发生了巨大的变化。研究表明,很多慢性病的发生都与人们长期的不良行为习惯有关系。为了预防这些慢性病的发生,首先需要研究人们的日常行为,进而对不健康的目标行为进行干预。在这篇文章中,首先对用户行为数据处理的相关技术和国内外发展现状做了详细介绍,然后本文重点研究和讨论的是人们行为数据的收集、分析、以及预测。文中介绍了关于数据收集的关键技术,以及由作者自己设计的数据收集软件。基于自建数据集以及其他公开数据集,文中使用机器学习技术对用户动作行为进行识别,比如步行、上下电梯、跑步等等。本文采用最近邻算法（K-Nearest Neighbors,KNN）和支持向量机（Support Vector Machine,SVM）两种常用的机器学习算法。KNN是一种效率相对较高的监督学习算法。SVM算法是一种计算复杂度较高的监督学习算法,它对于线性不可分的类别进行空间转换使其空间可分。本文的研究问题之一便是在文中所用的数据集下,这两种算法是否能有效的识别出用户行为。基于用户的行为识别以及用户地理位置的变化,可以生成用户行为时空序列数据。...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
JITAI系统结构图
图 1-2 实验室活动行为示例在信息技术飞速发展的今天，智能移动设备，尤其是智能手机在人们的生活中已经非常普遍。智能手机内置的传感器，比如惯性传感器、位置传感器等，可以记录用户在日常生活中的相关信息。与此同时，现代医学也发现多种慢性病的快速增加与人们长期不健康的生活方式有着密切的关联。在此背景下，本文的研究目的便是使用机器学习算法对现在智能手机可以收集到的传感器数据进行分析，进而识别与预测用户的行为，为用户行为干预（移动健康、JITAI）提供帮助。1.3 国内外研究现状目前国内对于用户运动行为分析与预测还处于起步阶段，国内对于用户行为分析与预测主要集中于基于大数据的用户行为分析。主要包括用户在网站上发生的所有行为，如搜索心仪的产品、浏览不同的产品、将产品加入期待列表、将产品放入购物车、把产品从购物车中取出、最终购买产品、使用优惠券购买产品或退货、对产品进行评价打分等；甚至也包括了用户在第三方网站上所做出的相关行为，如对比不同网站上产品的价格、浏览其他用户做出的评测、在网络社交媒
定位技术已经非常成熟。在 Andr的得到融合了 GPS，蜂窝网络，以及 WiFi 技术介绍是指利用无线终端（手机）和无线网络的配合，息（经度纬度的坐标数据，包括三维数据）户或以此为基础提供某种增值服务（如图 2-1利用手机上的 GPS 模块将自己的位置信号发送给的[41]。GPS 定位是由 GPS终端主动发起，主动性即卸载终端预装的系统或是关闭 GPS 即可终止。无法主动去定位某一个终端的位置。GPS 定位的可随时调用；全球定位。缺点在于：在手机中应，比较耗电；信号可穿透能力差，云层厚度对信
【参考文献】：
期刊论文
[1]基于智能手机传感器数据的人类行为识别研究[J]. 朱响斌,邱慧玲. 计算机工程与应用. 2016(23)
[2]移动健康的发展现状与趋势[J]. 何疆春,李田昌. 转化医学杂志. 2016(03)
[3]基于大数据平台的用户行为分析研究[J]. 李嘉彬,施勇,薛质. 信息安全与通信保密. 2016(04)
[4]基于大数据的移动用户行为分析系统与应用案例[J]. 谷红勋,杨珂. 电信科学. 2016(03)
[5]基于数据挖掘的网络购物用户行为分析[J]. 陈小芳,葛晓滨,马冠骏. 牡丹江师范学院学报(自然科学版). 2016(01)
[6]基于大规模日志分析的搜索引擎用户行为分析[J]. 余慧佳,刘奕群,张敏,茹立云,马少平. 中文信息学报. 2007(01)
硕士论文
[1]智能手机运动APP对在校大学生用户体育锻炼行为的影响研究[D]. 杨超.山东体育学院 2016
[2]基于手机传感器的人类复杂行为识别方法的研究[D]. 贾博轩.黑龙江大学 2015
[3]基于智能手机的用户行为识别技术研究与应用[D]. 胡龙.电子科技大学 2015
本文编号：3610253
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
JITAI系统结构图
图 1-2 实验室活动行为示例在信息技术飞速发展的今天，智能移动设备，尤其是智能手机在人们的生活中已经非常普遍。智能手机内置的传感器，比如惯性传感器、位置传感器等，可以记录用户在日常生活中的相关信息。与此同时，现代医学也发现多种慢性病的快速增加与人们长期不健康的生活方式有着密切的关联。在此背景下，本文的研究目的便是使用机器学习算法对现在智能手机可以收集到的传感器数据进行分析，进而识别与预测用户的行为，为用户行为干预（移动健康、JITAI）提供帮助。1.3 国内外研究现状目前国内对于用户运动行为分析与预测还处于起步阶段，国内对于用户行为分析与预测主要集中于基于大数据的用户行为分析。主要包括用户在网站上发生的所有行为，如搜索心仪的产品、浏览不同的产品、将产品加入期待列表、将产品放入购物车、把产品从购物车中取出、最终购买产品、使用优惠券购买产品或退货、对产品进行评价打分等；甚至也包括了用户在第三方网站上所做出的相关行为，如对比不同网站上产品的价格、浏览其他用户做出的评测、在网络社交媒
定位技术已经非常成熟。在 Andr的得到融合了 GPS，蜂窝网络，以及 WiFi 技术介绍是指利用无线终端（手机）和无线网络的配合，息（经度纬度的坐标数据，包括三维数据）户或以此为基础提供某种增值服务（如图 2-1利用手机上的 GPS 模块将自己的位置信号发送给的[41]。GPS 定位是由 GPS终端主动发起，主动性即卸载终端预装的系统或是关闭 GPS 即可终止。无法主动去定位某一个终端的位置。GPS 定位的可随时调用；全球定位。缺点在于：在手机中应，比较耗电；信号可穿透能力差，云层厚度对信
【参考文献】：
期刊论文
[1]基于智能手机传感器数据的人类行为识别研究[J]. 朱响斌,邱慧玲. 计算机工程与应用. 2016(23)
[2]移动健康的发展现状与趋势[J]. 何疆春,李田昌. 转化医学杂志. 2016(03)
[3]基于大数据平台的用户行为分析研究[J]. 李嘉彬,施勇,薛质. 信息安全与通信保密. 2016(04)
[4]基于大数据的移动用户行为分析系统与应用案例[J]. 谷红勋,杨珂. 电信科学. 2016(03)
[5]基于数据挖掘的网络购物用户行为分析[J]. 陈小芳,葛晓滨,马冠骏. 牡丹江师范学院学报(自然科学版). 2016(01)
[6]基于大规模日志分析的搜索引擎用户行为分析[J]. 余慧佳,刘奕群,张敏,茹立云,马少平. 中文信息学报. 2007(01)
硕士论文
[1]智能手机运动APP对在校大学生用户体育锻炼行为的影响研究[D]. 杨超.山东体育学院 2016
[2]基于手机传感器的人类复杂行为识别方法的研究[D]. 贾博轩.黑龙江大学 2015
[3]基于智能手机的用户行为识别技术研究与应用[D]. 胡龙.电子科技大学 2015
本文编号：3610253
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3610253.html
