隨著數(shù)據(jù)管理技術(shù)的發(fā)展與可穿戴智能設(shè)備的普及,個(gè)人生活數(shù)據(jù)受到了越來越多的關(guān)注。面向個(gè)人生活事件的檢測(cè)一直是復(fù)雜事件檢測(cè)領(lǐng)域的重要研究?jī)?nèi)容。通過將個(gè)人生活數(shù)據(jù)與事件檢測(cè)有效地結(jié)合起來,可以更好地指導(dǎo)人們改善生活水平,提高生活質(zhì)量,具有重要的研究?jī)r(jià)值和經(jīng)濟(jì)價(jià)值。簡(jiǎn)單行為事件主要是對(duì)個(gè)人身體狀態(tài)的描述,例如坐立,跑步和走路等簡(jiǎn)單動(dòng)作,這些行為事件可以顯示出個(gè)人每天的運(yùn)動(dòng)情況,而適當(dāng)?shù)倪\(yùn)動(dòng)對(duì)于個(gè)人健康而言極為重要。面對(duì)智能設(shè)備中集成傳感器快速發(fā)展的現(xiàn)狀,本文提出了一種基于多傳感器和多權(quán)重的簡(jiǎn)單行為事件檢測(cè)方法MW_KNN,挖掘多個(gè)傳感器數(shù)據(jù)在用戶特定行為下的聯(lián)系,并充分考慮到不同傳感器對(duì)于不同簡(jiǎn)單行為事件的檢測(cè)效果具有差異性,設(shè)置相應(yīng)的特征權(quán)重,從而提高識(shí)別效果。提出了基于查詢集過濾的優(yōu)化方案,解決了KNN時(shí)間復(fù)雜度的問題。相關(guān)實(shí)驗(yàn)結(jié)果表明,利用多種傳感器協(xié)同工作的簡(jiǎn)單行為事件檢測(cè)模型可以有效提高人體簡(jiǎn)單行為事件的識(shí)別率,同時(shí)過濾方案可以有效降低行為檢測(cè)所需時(shí)間。在獲取個(gè)人實(shí)時(shí)的運(yùn)動(dòng)情況后,結(jié)合其他生活數(shù)據(jù)信息,本文提出了生活數(shù)據(jù)網(wǎng)絡(luò)(Observations of da...

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 生活數(shù)據(jù)與個(gè)人健康
        1.2.2 行為事件檢測(cè)技術(shù)
    1.3 主要研究?jī)?nèi)容和安排
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 結(jié)構(gòu)安排
第二章 相關(guān)概念及技術(shù)介紹
    2.1 行為事件
    2.2 可穿戴設(shè)備數(shù)據(jù)分析技術(shù)
        2.2.1 可穿戴設(shè)備分類
        2.2.2 可穿戴設(shè)備的數(shù)據(jù)獲取
        2.2.3 可穿戴設(shè)備的數(shù)據(jù)處理
        2.2.4 簡(jiǎn)單行為事件檢測(cè)方法
    2.3 異構(gòu)信息網(wǎng)絡(luò)
        2.3.1 網(wǎng)絡(luò)模型
        2.3.2 元路徑
    2.4 圖相似性查詢技術(shù)
        2.4.1 圖相似性查詢定義
        2.4.2 圖相似性計(jì)算方法
    2.5 本章小結(jié)
第三章 基于多權(quán)重KNN的簡(jiǎn)單行為事件檢測(cè)方法
    3.1 簡(jiǎn)單行為事件檢測(cè)概述
        3.1.1 研究現(xiàn)狀
        3.1.2 問題分析
    3.2 數(shù)據(jù)處理
    3.3 簡(jiǎn)單行為事件檢測(cè)模型
        3.3.1 K值的選定
        3.3.2 各參數(shù)權(quán)重確定
        3.3.3 基于多權(quán)重的KNN簡(jiǎn)單行為事件檢測(cè)算法
        3.3.4 基于KNN簡(jiǎn)單行為事件檢測(cè)算法的優(yōu)化
    3.4 實(shí)驗(yàn)分析
        3.4.1 實(shí)驗(yàn)準(zhǔn)備
        3.4.2 實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)數(shù)據(jù)集
        3.4.3 結(jié)果分析
    3.5 本章總結(jié)
第四章 基于生活數(shù)據(jù)網(wǎng)絡(luò)的復(fù)雜行為事件檢測(cè)
    4.1 概述
    4.2 生活數(shù)據(jù)網(wǎng)絡(luò)建模
        4.2.1 復(fù)雜行為事件
        4.2.2 生活數(shù)據(jù)網(wǎng)絡(luò)
    4.3 生活數(shù)據(jù)網(wǎng)絡(luò)切割
        4.3.1 基于時(shí)間特征的生活數(shù)據(jù)網(wǎng)絡(luò)劃分
        4.3.2 基于空間特征的生活數(shù)據(jù)網(wǎng)絡(luò)劃分
        4.3.3 基于聚類的生活數(shù)據(jù)網(wǎng)絡(luò)劃分
    4.4 生活數(shù)據(jù)網(wǎng)絡(luò)的相似性查詢
        4.4.1 基于星型結(jié)構(gòu)的生活數(shù)據(jù)網(wǎng)絡(luò)相似性度量方法
        4.4.2 基于元路徑的生活數(shù)據(jù)網(wǎng)絡(luò)相似性度量方法
        4.4.3 基于主結(jié)構(gòu)序列的生活數(shù)據(jù)網(wǎng)絡(luò)相似性度量方法
    4.5 基于生活數(shù)據(jù)網(wǎng)絡(luò)相似性度量的過濾算法
        4.5.1 基于異構(gòu)星型結(jié)構(gòu)的相似度計(jì)算的過濾算法
        4.5.2 基于元路徑相似度計(jì)算的過濾算法
        4.5.3 基于主結(jié)構(gòu)序列相似度計(jì)算的過濾算法
    4.6 實(shí)驗(yàn)分析
        4.6.1 實(shí)驗(yàn)環(huán)境及實(shí)驗(yàn)數(shù)據(jù)集
        4.6.2 性能標(biāo)準(zhǔn)
        4.6.3 結(jié)果分析
    4.7 本章小結(jié)
第五章 基于生活數(shù)據(jù)的事件檢測(cè)原型系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 系統(tǒng)概述
        5.1.1 系統(tǒng)工作流程
        5.1.2 功能簡(jiǎn)介
    5.2 系統(tǒng)硬件方案
    5.3 系統(tǒng)軟件方案
        5.3.1 數(shù)據(jù)采集單元
        5.3.2 數(shù)據(jù)管理單元
    5.4 生活數(shù)據(jù)建模與查詢
        5.4.1 生活數(shù)據(jù)建模
        5.4.2 生活數(shù)據(jù)查詢
    5.5 本章小結(jié)
第六章 總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介



本文編號(hào)：3817009