隨著傳感器技術(shù)和信息技術(shù)的高速發(fā)展,移動(dòng)手機(jī)、運(yùn)動(dòng)手環(huán)、智能手表等穿戴式傳感器設(shè)備越來(lái)越普及�；顒�(dòng)識(shí)別技術(shù)在智能家居、醫(yī)療監(jiān)護(hù)、電子商務(wù)等領(lǐng)域帶來(lái)了嶄新的應(yīng)用,具有廣泛的研究與應(yīng)用價(jià)值。作為一個(gè)具有挑戰(zhàn)性的研究問(wèn)題,活動(dòng)識(shí)別受到越來(lái)越多的國(guó)內(nèi)外研究者關(guān)注�；顒�(dòng)識(shí)別就是從傳感器、計(jì)算機(jī)、攝像頭等設(shè)備采集到的數(shù)據(jù)集(例如傳感器日志、多媒體視頻等)中抽取目標(biāo)并識(shí)別個(gè)體正在進(jìn)行的活動(dòng)。目前,在人工智能領(lǐng)域,活動(dòng)識(shí)別主要有基于規(guī)則推導(dǎo)的邏輯方法和基于統(tǒng)計(jì)規(guī)律學(xué)習(xí)的概率方法。本文主要研究?jī)?nèi)容是基于日志的活動(dòng)識(shí)別。不同于傳統(tǒng)的活動(dòng)識(shí)別,本文的工作是基于一種新的統(tǒng)計(jì)關(guān)系學(xué)習(xí)理論框架,即馬爾科夫邏輯網(wǎng)絡(luò)(Markov Logic Network)。馬爾可夫邏輯網(wǎng)絡(luò)可以把邏輯和概率結(jié)合在一起,發(fā)揮兩者在活動(dòng)識(shí)別領(lǐng)域各自的長(zhǎng)處:邏輯規(guī)則可以很好的描述領(lǐng)域的背景知識(shí),而統(tǒng)計(jì)規(guī)律可以很好的處理活動(dòng)識(shí)別中的模糊性,不確定性,以及噪音。本文基于這個(gè)框架,提出了一個(gè)從日志自動(dòng)識(shí)別用戶活動(dòng)的方法。我們的方法分為三個(gè)步驟:第一步是采用一階邏輯描述關(guān)于特定領(lǐng)域中活動(dòng)識(shí)別的背景知識(shí);這些背景知識(shí)的來(lái)源一方面是由專家提供,另一...

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1活動(dòng)識(shí)別模型

于馬爾科夫邏輯網(wǎng)絡(luò)的活動(dòng)識(shí)別系統(tǒng)研究與實(shí)現(xiàn)第1章，Activities）。最后基于這些活動(dòng)數(shù)據(jù)，可以進(jìn)行數(shù)據(jù)可視化，或者如行析，意圖分析，模式分析更深層次的數(shù)據(jù)分析。

圖2-1馬爾科夫網(wǎng)絡(luò)示意圖

常量集合,生成的常量馬爾科夫網(wǎng)絡(luò)如圖2.1所示。表2-1馬爾科夫邏輯網(wǎng)絡(luò)實(shí)例命題一階邏輯規(guī)則CNF范式吸煙容易得癌癥S￡§()￠|()S￡§()()如果兩個(gè)人是朋友，那么他們同時(shí)吸煙或者不吸....

圖3-1MLN步驟第一步是定義一階邏輯規(guī)則

之間的不確定性以及數(shù)據(jù)集中的噪音；我們使用馬爾科夫邏輯網(wǎng)絡(luò)方法進(jìn)行活動(dòng)識(shí)別，解決上面的挑戰(zhàn)。應(yīng)用馬爾科夫邏輯網(wǎng)絡(luò)（簡(jiǎn)稱MLN）方法主要有三個(gè)步驟：定義一階邏輯規(guī)則、權(quán)重學(xué)習(xí)以及最后的推理。流程如圖3-1所示。

圖4-2數(shù)據(jù)處理

圖4-1ADL實(shí)驗(yàn)步驟可以知道，實(shí)驗(yàn)一共分為4個(gè)步驟：數(shù)據(jù)預(yù)處理，包含兩個(gè)過(guò)程：格式轉(zhuǎn)換和去除重復(fù)記錄集格式是以日志的形式（時(shí)間點(diǎn)，觸動(dòng)的傳感器，目，如表4-3所示。

本文編號(hào)：4004545