智能家居中日常行为特征约简及计算方法研究

发布时间：2021-10-08 21:14

　　随着物联网和传感器技术的飞速发展,智能家居进入了人们的生活。智能家居通常是指配置了有线、无线网络以及各种先进传感仪器的居住环境。在智能家居中,通过传感器获取居民身体状况和日常行为等相关数据,进而感知居民的需求,为居民提供更方便、更舒适的生活。开展基于泛在传感器的智能家居中居民日常行为识别研究,给智能家居注入了新的活力,使其具有了更多的特殊用途,如辅助照顾独居老人和生活不能自理的病人等。目前,尽管智能家居中的居民行为识别研究取得了一定的进展,但还存在以下几个主要问题:一、大多数行为识别中,行为识别的准确率还不够高,对相近的行为识别准确率较低;二、只考虑到了单个用户的行为识别,对多用户的行为识别效果不佳;三、行为识别模型的鲁棒性较差。针对上述问题,本文进行以下两方面的研究:（一）在泛在传感器的居民日常行为识别过程中,针对传统的单用户行为识别算法在特征冗余情况下识别准确度不高的问题,本文提出了一种基于加权皮尔逊相关系数（Pearson Correlation Coefficient,PCC）的行为特征约简策略,选择对行为影响较大的传感器特征进行用户行为识别。首先,提取行为触发的传感器频次作为... 

【文章来源】：大连海事大学辽宁省 211工程院校

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景和意义
    1.2 行为识别研究现状
        1.2.1 入侵式及非入侵行为识别
        1.2.2 不同监测技术下的行为识别
    1.3 研究内容
    1.4 论文结构
2 泛在传感器行为识别的相关工作
    2.1 行为识别各阶段主要工作及相关技术
        2.1.1 原始传感器数据的获取
        2.1.2 传感器数据预处理与分割
        2.1.3 数据特征提取与选择
        2.1.4 模型建立及数据分类
    2.2 泛在传感器行为识别框架
    2.3 本章小结
3 基于加权Pearson相关系数的单用户行为识别方法
    3.1 加权Pearson相关系数的单用户行为识别方法描述
    3.2 数据集介绍及评价标准
        3.2.1 数据集中传感器信息和活动信息
        3.2.2 行为识别的评价标准
    3.3 加权Pearson相关系数的单用户行为识别实验分析
        3.3.1 实验结果及分析
        3.3.2 实验结果讨论
    3.4 本章小结
4 基于改进TF-IDF的多用户行为识别方法
    4.1 基于TF-IDF的多用户行为识别方法
    4.2 基于改进TF-IDF的多用户行为识别方法
        4.2.1 时间特征
        4.2.2 SEF特征
        4.2.3 改进TF-IDF特征
    4.3 多用户行为识别数据集介绍
        4.3.1 传感器分布及实验数据集
        4.3.2 传感器特征分布和行为描述
    4.4 基于改进TF-IDF的多用户行为识别方法实验分析
        4.4.1 实验结果及分析
        4.4.2 实验结果讨论
    4.5 本章小结
5 结论与展望
    5.1 论文总结
    5.2 工作展望
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果


【参考文献】：
期刊论文
[1]声音识别传感器设计与应用[J]. 李超.  传感器与微系统. 2014(12)
[2]Activity Recognition Based on RFID Object Usage for Smart Mobile Devices[J]. Jaeyoung Yang,Joonwhan Lee,Joongmin Choi.  Journal of Computer Science & Technology. 2011(02)
[3]一种基于压力传感器的人体运动识别方法研究[J]. 石欣,熊庆宇,雷璐宁.  仪器仪表学报. 2010(06)

硕士论文
[1]基于非穿戴式传感器的多用户室内活动识别研究[D]. 张楠.哈尔滨工业大学 2017
[2]基于可穿戴设备的人体行为识别与状态监测方法研究[D]. 杨伟笃.哈尔滨工业大学 2016



本文编号：3424971