基于马尔科夫逻辑网络的活动识别系统研究与实现

发布时间：2024-07-10 18:25

　　随着传感器技术和信息技术的高速发展,移动手机、运动手环、智能手表等穿戴式传感器设备越来越普及。活动识别技术在智能家居、医疗监护、电子商务等领域带来了崭新的应用,具有广泛的研究与应用价值。作为一个具有挑战性的研究问题,活动识别受到越来越多的国内外研究者关注。活动识别就是从传感器、计算机、摄像头等设备采集到的数据集(例如传感器日志、多媒体视频等)中抽取目标并识别个体正在进行的活动。目前,在人工智能领域,活动识别主要有基于规则推导的逻辑方法和基于统计规律学习的概率方法。本文主要研究内容是基于日志的活动识别。不同于传统的活动识别,本文的工作是基于一种新的统计关系学习理论框架,即马尔科夫逻辑网络(Markov Logic Network)。马尔可夫逻辑网络可以把逻辑和概率结合在一起,发挥两者在活动识别领域各自的长处:逻辑规则可以很好的描述领域的背景知识,而统计规律可以很好的处理活动识别中的模糊性,不确定性,以及噪音。本文基于这个框架,提出了一个从日志自动识别用户活动的方法。我们的方法分为三个步骤:第一步是采用一阶逻辑描述关于特定领域中活动识别的背景知识;这些背景知识的来源一方面是由专家提供,另一...

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图1-1活动识别模型

于马尔科夫逻辑网络的活动识别系统研究与实现第1章，Activities）。最后基于这些活动数据，可以进行数据可视化，或者如行析，意图分析，模式分析更深层次的数据分析。

图2-1马尔科夫网络示意图

常量集合,生成的常量马尔科夫网络如图2.1所示。表2-1马尔科夫逻辑网络实例命题一阶逻辑规则CNF范式吸烟容易得癌症S￡§()￠|()S￡§()()如果两个人是朋友，那么他们同时吸烟或者不吸....

图3-1MLN步骤第一步是定义一阶逻辑规则

之间的不确定性以及数据集中的噪音；我们使用马尔科夫逻辑网络方法进行活动识别，解决上面的挑战。应用马尔科夫逻辑网络（简称MLN）方法主要有三个步骤：定义一阶逻辑规则、权重学习以及最后的推理。流程如图3-1所示。

图4-2数据处理

图4-1ADL实验步骤可以知道，实验一共分为4个步骤：数据预处理，包含两个过程：格式转换和去除重复记录集格式是以日志的形式（时间点，触动的传感器，目，如表4-3所示。

本文编号：4004545