智能家居中日常行為分割與標(biāo)記方法研究
【文章頁(yè)數(shù)】:63 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文??2日常行為識(shí)別的研究基礎(chǔ)??2.1日常行為識(shí)別過(guò)程??居民日常行為識(shí)別通�?煞譃樗膫€(gè)階段,如圖2.1所示。第一階段是采集由居??民日常行為所觸發(fā)的傳感器事件序列數(shù)據(jù)。第二階段是分割和預(yù)處理采集到的傳??感器數(shù)據(jù)。傳感器序列預(yù)處理主要是清除原始數(shù)....
大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文??成一組時(shí)間間隔相等的滑動(dòng)窗口,例如每隔60秒,如圖2.2中的(B)所示。另一??種類似的方法是將整個(gè)序列劃分為一組滑動(dòng)窗口,滑動(dòng)窗口的傳感器事件數(shù)量相??等,例如每20個(gè)傳感器分割一次,如圖2.2中的(C)所示。雖然這樣的方法更容??易實(shí)現(xiàn),但....
結(jié)果都是Eat或者是Sleep那么??就將Watch-TV放回未標(biāo)記數(shù)據(jù)中。不斷循環(huán)上述過(guò)程直到未標(biāo)記數(shù)據(jù)為空。這種??方法有一個(gè)缺點(diǎn)就是:如果用相同的數(shù)據(jù)訓(xùn)練分類器會(huì)導(dǎo)致,分類結(jié)果可能過(guò)度??擬合導(dǎo)致分類效果不佳。非監(jiān)督方法不需要預(yù)定義活動(dòng)可以直接進(jìn)行聚類,但是??如果像[79....
智能彖居中日常行為分割與標(biāo)記方法研究??3.3.4實(shí)驗(yàn)結(jié)果及分析??從圖3.1和3.2可以看出,W中滑動(dòng)窗口方法分段錯(cuò)誤率很低,而本文的方法??在邊界占比大于零時(shí)分段錯(cuò)誤率最高,在邊界占比大于0.5時(shí)分段錯(cuò)誤率最低,但??是也比M中的滑動(dòng)窗口方法分段錯(cuò)誤率高得多,這是因?yàn)閷?duì)于同一....
本文編號(hào):4011490
本文鏈接:http://sikaile.net/shoufeilunwen/xixikjs/4011490.html
下一篇:沒(méi)有了