行為識(shí)別中的特征優(yōu)選方法研究.pdf

1、隨著普適計(jì)算的研究發(fā)展，以及硬件外設(shè)制造工藝的不斷進(jìn)步，基于傳感器的行為識(shí)別技術(shù)越來(lái)越廣泛的應(yīng)用于智能家居、體感游戲、老人健康監(jiān)測(cè)等各個(gè)領(lǐng)域。相比傳統(tǒng)基于計(jì)算機(jī)視覺(jué)的行為識(shí)別，基于傳感器的行為識(shí)別有著更自由、靈活、安全、便捷的優(yōu)勢(shì)，因此基于傳感器的行為識(shí)別系統(tǒng)的研究與應(yīng)用得到了國(guó)內(nèi)外專(zhuān)家學(xué)者的高度關(guān)注。
　　本文通過(guò)研究和分析基于傳感器的行為識(shí)別模型和方法，重點(diǎn)針對(duì)行為識(shí)別中的特征優(yōu)選問(wèn)題，以分類(lèi)準(zhǔn)確性為準(zhǔn)則，提出了一種基于蟻群算

2、法的特征優(yōu)選方法，并進(jìn)行了實(shí)驗(yàn)分析與對(duì)比，以及系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。
　　首先介紹了基于加速度傳感器的行為識(shí)別模型及關(guān)鍵技術(shù)，包括數(shù)據(jù)采集、預(yù)處理、窗口化分、特征提取、識(shí)別分類(lèi)等方法。并重點(diǎn)介紹了行為識(shí)別中特征優(yōu)選的評(píng)價(jià)準(zhǔn)則、最優(yōu)算法、次優(yōu)算法和以分類(lèi)性為準(zhǔn)則的特征優(yōu)選方法的基本思想，以及典型的幾種行為識(shí)別方法，包括KNN、決策樹(shù)、樸素貝葉斯、支持向量機(jī)等。
　　其次，本文重點(diǎn)針對(duì)行為識(shí)別中特征維數(shù)較高及不同特征對(duì)分類(lèi)結(jié)果貢獻(xiàn)度

3、的差異性等問(wèn)題，提出了一種基于蟻群算法的特征優(yōu)選方法。該方法主要通過(guò)嵌套在轉(zhuǎn)移函數(shù)中的提前訓(xùn)練識(shí)別方法，并且利用蟻群特有的信息素尋找最優(yōu)路徑，減少了特征組合的訓(xùn)練識(shí)別次數(shù)，并定義了信息素規(guī)則，達(dá)到了較好的特征優(yōu)選效果。利用典型的KNN、決策樹(shù)、樸素貝葉斯、支持向量機(jī)等分類(lèi)方法，對(duì)本文方法進(jìn)行了實(shí)驗(yàn)分析與對(duì)比，結(jié)果表明特征優(yōu)選方法具有較好的識(shí)別準(zhǔn)確率。
　　最后，在上述研究基礎(chǔ)上，設(shè)計(jì)開(kāi)發(fā)了一個(gè)基于加速度傳感器的行為識(shí)別系統(tǒng)，該系統(tǒng)