本文選題：智能手機 + 無監(jiān)督特征學(xué)習(xí)��； 參考：《國防科學(xué)技術(shù)大學(xué)》2014年碩士論文

【摘要】：隨著內(nèi)置了多種傳感器的智能手機的廣泛普及和使用,智能手機已經(jīng)成為一個集通信、計算以及感知于一體的移動計算平臺。利用智能手機內(nèi)置的傳感器如加速度傳感器和陀螺儀傳感器可以獲取內(nèi)容豐富的傳感數(shù)據(jù),如何基于加速度傳感器和陀螺儀傳感器進行人的日�；顒幼R別和身份識別是目前移動感知領(lǐng)域研究的熱點和難點問題。論文針對基于智能手機慣性傳感器數(shù)據(jù)的活動識別和身份識別問題展開研究,在對相關(guān)技術(shù)研究基礎(chǔ)上,基于無監(jiān)督特征學(xué)習(xí)方法,提出了一種慣性傳感器數(shù)據(jù)特征提取方法;在此基礎(chǔ)上,將這種特征提取方法應(yīng)用到活動識別和身識別當(dāng)中進行實驗驗證。論文的主要研究內(nèi)容和貢獻如下:(1)針對現(xiàn)有的特征提取方法依賴于領(lǐng)域知識以及可能造成重要信息的損失等缺點,結(jié)合慣性傳感器數(shù)據(jù)的內(nèi)在特性,提出了一種基于無監(jiān)督特征學(xué)習(xí)技術(shù)的慣性傳感器數(shù)據(jù)特征提取方法,該方法首先使用無監(jiān)督特征學(xué)習(xí)方法學(xué)習(xí)多個特征映射,而后再將所有特征映射拼接起來形成最終的特征計算方法,其特點是能自動地從數(shù)據(jù)中學(xué)習(xí)特征的表示方法,從而避免了手工設(shè)計的特征的一些缺點,并且從理論和實驗上證驗證了該方法的有效性。(2)為了評估所提出的特征提取方法在活動識別中的優(yōu)劣,本文基于三種常用無監(jiān)督模型提取了三種特征,使用C4.5算法、樸素貝葉斯方法和支持向量機SVM算法進行活動識別,并與其他的常用特征進行比較。實驗結(jié)果表明,本文所提出的特征提取方法所提出的特征在準(zhǔn)確率上要高于其他特征。(3)通過對基于智能手機的身份識別的關(guān)鍵技術(shù)進行研究,提出了一種用于身份識別的分類算法,并在上述特征提取方法提取的特征的基礎(chǔ)上進行實驗驗證。實驗結(jié)果表明,該算法通過選擇合理的參數(shù),能夠很好地保證身份識別的可靠性和可用性。
[Abstract]:With the wide popularity and use of smart phones with multiple sensors, smart phones have become a mobile computing platform that integrates communication, computing and perception. Smart phone built-in sensors such as acceleration sensors and gyroscope sensors can be used to obtain rich sensor data, How to identify and identify people's daily activities based on acceleration sensors and gyroscopes is a hot and difficult issue in the field of mobile sensing. In this paper, the research on activity recognition and identity recognition based on smart phone inertial sensor data is carried out. Based on the research of related technology and the unsupervised feature learning method, a feature extraction method for inertial sensor data is proposed. On this basis, the feature extraction method is applied to activity recognition and body recognition for experimental verification. The main research contents and contributions of this paper are as follows: (1) aiming at the shortcomings of existing feature extraction methods, such as dependence on domain knowledge and possible loss of important information, combined with the inherent characteristics of inertial sensor data, A feature extraction method for inertial sensor data based on unsupervised feature learning technique is proposed. Firstly, unsupervised feature learning method is used to learn multiple feature maps. Then all feature maps are stitched together to form the final feature calculation method, which is characterized by the ability to automatically learn the representation of features from the data, thus avoiding some disadvantages of hand-designed features. In order to evaluate the advantages and disadvantages of the proposed feature extraction method in activity recognition, this paper extracts three features based on three common unsupervised models and uses C4.5 algorithm. Naive Bayes method and support vector machine (SVM) algorithm are used to recognize the activity and compare with other common features. The experimental results show that the feature extraction method proposed in this paper is more accurate than other features. A classification algorithm for identity recognition is proposed, and experimental verification is carried out on the basis of the features extracted by the above feature extraction methods. Experimental results show that the algorithm can ensure the reliability and availability of identification by selecting reasonable parameters.
【學(xué)位授予單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN929.53;TP212

【相似文獻】

相關(guān)期刊論文 前10條

1 ;新型慣性傳感器項目可行性報告[J];傳感器世界;1995年S1期

2 張福學(xué)，，任宏超;慣性傳感器的發(fā)展趨勢[J];電子科技導(dǎo)報;1996年10期

3 張浩,童調(diào)生,張帆,劉宏立;多微慣性傳感器的一致性檢測方法[J];傳感器技術(shù);2001年01期

4 徐景碩;慣性傳感器技術(shù)及發(fā)展[J];傳感器技術(shù);2001年05期

5 俞瑛;;硅微機械慣性傳感器技術(shù)及其應(yīng)用[J];集成電路通訊;2005年01期

6 楊延春;吳書朝;;擺式慣性傳感器機械零偏測量方法研究[J];傳感技術(shù)學(xué)報;2006年06期

7 趙德申;胡雪梅;;電容慣性傳感器的結(jié)構(gòu)分析[J];武漢理工大學(xué)學(xué)報;2009年06期

8 張通;張駿;張怡;;機載慣性傳感器信號降噪研究[J];控制工程;2010年05期

9 杜來林;楊超;;離心式慣性傳感器的結(jié)構(gòu)原理及性能測試[J];液壓氣動與密封;2011年06期

10 劉偉;;慣性傳感器在油氣資源勘探中的應(yīng)用相關(guān)技術(shù)分析[J];電子世界;2013年08期

相關(guān)會議論文 前6條

1 高楊;;微慣性傳感器的新進展[A];中國工程物理研究院科技年報（2010年版）[C];2011年

2 張巧云;林日樂;謝佳維;張挺;翁邦英;王瑞;趙建華;鄭永祥;呂志清;;石英微機械慣性傳感器的研究[A];中國慣性技術(shù)學(xué)會第五屆學(xué)術(shù)年會論文集[C];2003年

3 蔣慶華;苑偉政;常洪龍;王濤;;電容式微機械慣性傳感器信號檢測技術(shù)研究[A];中國微米、納米技術(shù)第七屆學(xué)術(shù)會年會論文集（一）[C];2005年

4 趙汝準(zhǔn);趙祚喜;張霖;俞龍;孫道宗;;集成慣性傳感器ADIS16355的三軸轉(zhuǎn)臺實驗與性能分析[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

5 楊擁軍;徐愛東;鄭鋒;徐永青;何洪濤;卞玉民;吝海鋒;呂樹海;羅蓉;鄒學(xué)鋒;;硅MEMS慣性傳感器的研究和開發(fā)[A];中國慣性技術(shù)學(xué)會第五屆學(xué)術(shù)年會論文集[C];2003年

6 崔健;廖興才;楊軍;;MEMS慣性傳感器在汽車ESP中的應(yīng)用[A];慣性技術(shù)發(fā)展動態(tài)發(fā)展方向研討會文集——新世紀(jì)慣性技術(shù)在國民經(jīng)濟中的應(yīng)用[C];2012年

相關(guān)重要報紙文章 前1條

1 齊乃波;走近金字塔的中國人[N];中國航空報;2005年

相關(guān)博士學(xué)位論文 前2條

1 羅小兵;微慣性流體器件中的流動和傳熱及其工程應(yīng)用[D];清華大學(xué);2002年

2 鄭旭東;基于新型梳狀柵電容結(jié)構(gòu)的微機械慣性傳感器研究[D];浙江大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 楊翼;面向列車完整性監(jiān)測的慣性傳感器校準(zhǔn)方法研究[D];北京交通大學(xué);2016年

2 郭曉琳;基于手機慣性傳感器的相對定位技術(shù)的研究與應(yīng)用[D];北京郵電大學(xué);2014年

3 張旭;基于WLAN位置指紋與慣性傳感器的室內(nèi)定位技術(shù)研究[D];華東師范大學(xué);2016年

4 趙威;基于MEMS慣性傳感器的空中輸入筆研究[D];華中科技大學(xué);2014年

5 陽松波;隨鉆磁共振測井中的測量問題研究[D];華中科技大學(xué);2014年

6 陳波;基于慣性傳感器的改進高斯粒子濾波室內(nèi)定位算法[D];新疆大學(xué);2016年

7 姚志鋒;基于WiFi和慣性傳感器的多信息融合室內(nèi)定位系統(tǒng)的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2016年

8 童汝超;基于慣性傳感器的睡眠識別研究[D];昆明理工大學(xué);2016年

9 唐薇;基于單節(jié)點慣性傳感器的人體行為監(jiān)測[D];電子科技大學(xué);2016年

10 閆中亞;基于粒子濾波的Wi-Fi和慣性傳感器融合定位算法的研究與實現(xiàn)[D];中國礦業(yè)大學(xué);2016年

本文編號：1927884