【摘要】：基于傳感器的人類活動識別是指對受試者在活動時產(chǎn)生的加速度、角速度等數(shù)據(jù)進行采集和分析,還原受試者實際所做動作的一類識別分類任務(wù),目前已經(jīng)被普遍應用于醫(yī)療保健、智能家居等領(lǐng)域。隱馬爾可夫模型(Hidden Markov Model,HMM)和條件隨機場(Conditional Random Field,CRF)是擅長處理傳感器時間序列數(shù)據(jù)的概率模型,但在時序建模方面也存在不足之處。針對以下不足,該文對兩種模型進行了改進,應用于人類活動識別以驗證模型性能,提高活動識別的準確性。首先,HMM訓練時所用的Baum-Welch算法是一種爬山算法,容易獲得局部最優(yōu)解,因此引入結(jié)構(gòu)化支持向量機(Support Vector Machine,SVM)與HMM結(jié)合,構(gòu)建結(jié)構(gòu)化SVM-HMM框架用于人類活動識別,并與基于高斯混合模型的HMM(HMM based on Gaussian Mixed Model,GMM-HMM)進行對比實驗。實驗證明,結(jié)構(gòu)化SVM-HMM比GMM-HMM能更好地描述人類活動方式。其次,傳統(tǒng)CRF在訓練優(yōu)化時所用的擬牛頓算法BFGS算法占用內(nèi)存大、運行速度慢,針對此問題,采用邊界限制存儲的BFGS(Limited Memory BFGS with Bounds,L-BFGS-B)算法優(yōu)化CRF模型用于活動識別建模,并與傳統(tǒng)的CRF模型、決策樹、邏輯回歸等機器學習方法進行對比實驗。結(jié)果表明,基于L-BFGS-B算法的CRF模型計算復雜性低、迭代代價小、運行效率高,比其他算法具有更好的識別效果。最后,將雙向長短時記憶(Long Short-Term Memory,LSTM)神經(jīng)網(wǎng)絡(luò)和CRF結(jié)合,構(gòu)建雙向LSTM-CRF深度框架用于活動分類,并將此模型與雙向LSTM網(wǎng)絡(luò)、CRF模型進行對比實驗。雙向LSTM-CRF同時具有雙向LSTM學習上下文的信息的特性和CRF模型考慮輸出標簽序列間的依賴關(guān)系的特性,且可以自動提取特征。結(jié)果表明,雙向LSTM-CRF模型的識別效果優(yōu)于另外兩種模型。
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP212;O211.61
【圖文】：

第 2 章 活動識別概述和數(shù)據(jù)集介紹及處理第 2 章 活動識別概述和數(shù)據(jù)集介紹及處理2.1 引言人類活動識別涉及到數(shù)據(jù)預處理、特征提取和選擇、模型訓練等多種不同的任務(wù)。因此，本章對人類活動識別過程進行了詳細地闡述。在人類活動識別過程中，第一步便是活動數(shù)據(jù)集的采集和獲取，數(shù)據(jù)集的選擇和處理也會影響模型的分類性能。所以，在本章中，重點介紹了活動識別數(shù)據(jù)集的特點、數(shù)據(jù)的采集和處理。在實驗中需要衡量指標對活動識別中模型的性能即實驗結(jié)果的優(yōu)劣進行評估，所以最后一節(jié)中，對性能評估指標進行了介紹。2.2 活動識別概述及流程人類活動識別的基本過程如圖 2-1 所示。

第 2 章 活動識別概述和數(shù)據(jù)集介紹及處理，盤子，面包，薩拉米，牛奶，水，糖，勺子和奶酪)都裝有加速度計和陀螺儀傳感器包括 13 個開關(guān)，用于檢測冰箱門、洗碗機和 3 個抽屜的打開和關(guān)閉。裝在 1 號門、2 號門、躺椅、洗碗機、冰箱和 3 層抽屜上的 8 個 3 軸加速度傳

圖 2-3 活動的時間分解4 個志愿者被選擇進行數(shù)據(jù)集的采集，每個志愿者執(zhí)行 6 組活動，前 5 組執(zhí)動，第 6 組重復 20 次典型的代表性動作。數(shù)據(jù)集采樣頻率是 30Hz，共有性。每組數(shù)據(jù)一共 250 列，第 1 列為時間戳，第 2-243 列為樣本數(shù)據(jù)序列-250 列為標簽序列。本實驗所用的數(shù)據(jù)集分布如圖 2-4 所示。

【相似文獻】

相關(guān)期刊論文 前10條

1 柏華潔;李成名;安真臻;;3維城市模型框架數(shù)據(jù)的探討[J];測繪通報;2005年12期

2 劉佳;樊治平;楊國梁;;一種面向知識共享的虛擬社區(qū)模型框架[J];管理學報;2006年02期

3 羅世鵬;趙嵩正;殷茗;;基于知識聯(lián)盟的企業(yè)核心能力發(fā)展模型框架[J];科技進步與對策;2006年09期

4 范逢曦,何大衛(wèi);一種醫(yī)學綜合評價的模型框架[J];中國衛(wèi)生統(tǒng)計;1998年03期

5 俞東慧,黃麗華,方針;企業(yè)變革管理模型框架及其實證研究[J];系統(tǒng)工程理論方法應用;2004年02期

6 徐志毅;新7S管理模型框架與應用[J];通信企業(yè)管理;2003年02期

7 趙馨;;淺析知識管理的模型框架[J];科技信息(科學教研);2007年36期

8 徐享忠,王精業(yè),馬亞龍;知識管理的模型框架及其關(guān)鍵技術(shù)[J];計算機工程;2002年02期

9 劉威;喬立紅;;基于元模型的統(tǒng)一制造資源模型框架[J];計算機集成制造系統(tǒng);2007年10期

10 姜軍平;劉偉;;Java并發(fā)模型框架的構(gòu)建及應用[J];西北醫(yī)學教育;2006年03期

相關(guān)會議論文 前10條

1 岳永;;強制性制度變遷、意識形態(tài)與經(jīng)濟績效——一個關(guān)于中俄改革分析的模型框架[A];中國制度經(jīng)濟學年會論文集[C];2003年

2 馬運全;;金融創(chuàng)新與制度環(huán)境:模型框架與實證分析[A];2011年（第九屆）“中國法經(jīng)濟學論壇”論文集[C];2011年

3 楊雪榕;張大曦;范麗;;信息知識層外掛的分層Agent模型框架及其建模方法[A];空天資源的可持續(xù)發(fā)展——第一屆中國空天安全會議論文集[C];2015年

4 喬非;吳啟迪;嚴雋薇;;集成化企業(yè)模型體系:概念與構(gòu)成[A];1998年中國智能自動化學術(shù)會議論文集（上冊）[C];1998年

5 毛亮;;由外部性引起的交易費用:一個初步的考察[A];中國制度經(jīng)濟學年會論文集[C];2006年

6 王秀敏;應益榮;;MWZ模型框架下的交易者互動模型研究[A];第二屆中國智能計算大會論文集[C];2008年

7 劉穎斐;余玉苗;;基于風險控制價值的獨立審計定價模型框架[A];中國會計學會2006年學術(shù)年會論文集（上冊）[C];2006年

8 黎旭成;唐校輝;王卓;陳振武;耿東雪;;基于卷積神經(jīng)網(wǎng)絡(luò)和長短期記憶模型的交通狀態(tài)預測[A];品質(zhì)交通與協(xié)同共治——2019年中國城市交通規(guī)劃年會論文集[C];2019年

9 余勇;晏順坪;邱勇;;變形狀態(tài)下輻照后的橡膠彈性本構(gòu)模型[A];2018年全國固體力學學術(shù)會議摘要集（下）[C];2018年

10 張傳海;曹波偉;薛青;郭璽;;輪式裝甲車輛機動模型框架研究[A];第13屆中國系統(tǒng)仿真技術(shù)及其應用學術(shù)年會論文集[C];2011年

相關(guān)重要報紙文章 前2條

1 記者楊曉平;關(guān)注超前競爭力　舊7S已成明日黃花新7S引領(lǐng)風騷[N];中華工商時報;2002年

2 國家發(fā)改委城市和小城鎮(zhèn)改革發(fā)展中心學術(shù)委員會秘書長 馮奎;推動城市治理智慧化水平不斷提升[N];中國建設(shè)報;2018年

相關(guān)博士學位論文 前10條

1 夏辰;基于重構(gòu)的自底向上視覺注意模型研究[D];西安電子科技大學;2017年

2 李鴻禧;基于信用與利率聯(lián)合風險控制的銀行資產(chǎn)負債優(yōu)化模型[D];大連理工大學;2018年

3 劉婷;基于膚面模型的裝配誤差分析方法研究[D];浙江大學;2019年

4 陳華棟;機器翻譯中的模型學習問題研究[D];南京大學;2018年

5 劉廣達;高逼真度研究型飛行模擬器的可重構(gòu)關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學;2010年

6 姚婷婷;視覺分析中的層次化結(jié)構(gòu)關(guān)聯(lián)特性研究[D];合肥工業(yè)大學;2016年

7 李小波;基于DSM的效能仿真多范式組合建模方法研究[D];國防科學技術(shù)大學;2013年

8 陳學中;基于多主體系統(tǒng)的人才集聚和組織起源研究[D];南京大學;2011年

9 康曉予;仿真模型重用與組合關(guān)鍵技術(shù)研究[D];大連理工大學;2012年

10 韓中元;基于時間特性的微博檢索和微博過濾研究[D];哈爾濱工業(yè)大學;2016年

相關(guān)碩士學位論文 前10條

1 周雅倩;多傳感器時間序列的活動識別概率模型研究[D];燕山大學;2019年

2 李孟;基于深度學習的情感對話生成模型研究[D];華中師范大學;2019年

3 陸亞男;基于深度學習的摘要生成模型研究[D];電子科技大學;2019年

4 何立健;圖像生成詩歌的端到端模型研究[D];廣東工業(yè)大學;2019年

5 靳義林;基于多模型融合的新聞文本分類研究[D];重慶郵電大學;2019年

6 王麗婷;基于主題模型的微博熱點話題發(fā)現(xiàn)[D];西安電子科技大學;2018年

7 劉穎;Black-Litterman模型的參數(shù)優(yōu)化及其在行業(yè)資產(chǎn)配置中的應用[D];武漢理工大學;2018年

8 張麗連;STAR-GARCH模型的設(shè)定研究[D];天津財經(jīng)大學;2018年

9 李澤龍;基于ARMAX-LSTM模型的高爐鐵水質(zhì)量預報研究[D];浙江大學;2019年

10 王安君;基于Condition-CNN模型的立場檢測研究[D];上海師范大學;2019年

本文編號：2767341