基于無(wú)線傳感器網(wǎng)絡(luò)和概率融合的行為識(shí)別方法.pdf

1、傳感器、無(wú)線通訊和微電子等技術(shù)的進(jìn)步和相互結(jié)合，推動(dòng)了無(wú)線傳感器網(wǎng)絡(luò)在智能環(huán)境等眾多領(lǐng)域的快速發(fā)展。在智能環(huán)境應(yīng)用中，如智能家庭、智能辦公室等，利用傳感器網(wǎng)絡(luò)識(shí)別用戶的行為，并根據(jù)識(shí)別的行為類型為用戶提供各種智能化的服務(wù)成為眾多研究問題中的核心問題之一。然而，由于人體行為的復(fù)雜性，單個(gè)物理傳感器往往難以準(zhǔn)確的識(shí)別用戶的行為。因此，研究如何利用多種傳感器數(shù)據(jù)進(jìn)行數(shù)據(jù)融合，準(zhǔn)確識(shí)別用戶行為成為智能環(huán)境領(lǐng)域的一個(gè)重要研究問題。本文提出了一種基

2、于無(wú)線傳感器網(wǎng)絡(luò)和概率融合的行為識(shí)別方法，通過對(duì)多個(gè)傳感器數(shù)據(jù)分別建立識(shí)別模型，得到每個(gè)傳感器對(duì)每種行為識(shí)別的概率，然后利用Dempster-Shafer證據(jù)理論對(duì)多個(gè)識(shí)別模型的概率輸出進(jìn)行概率融合，得到了比單個(gè)識(shí)別模型更準(zhǔn)確、穩(wěn)健的識(shí)別結(jié)果。 本文的主要工作包括： 1．提出了基于無(wú)線傳感器網(wǎng)絡(luò)和概率融合的行為識(shí)別系統(tǒng)框架。該框架從底層開始，由傳感器節(jié)點(diǎn)采集數(shù)據(jù)，通過網(wǎng)關(guān)節(jié)點(diǎn)，發(fā)送給終端計(jì)算機(jī)。終端計(jì)算機(jī)收集到不同的數(shù)據(jù)

3、后，進(jìn)行數(shù)據(jù)預(yù)處理，特征提取等操作，然后通過分類識(shí)別和融合，得到最終的行為識(shí)別結(jié)果。 2．分析研究了數(shù)據(jù)挖掘和數(shù)據(jù)融合在人體行為識(shí)別系統(tǒng)中的應(yīng)用。這一部分是本文的核心內(nèi)容，主要研究了基于支持向量機(jī)和D-S證據(jù)理論的融合。采用合適的概率估計(jì)算法，支持向量機(jī)能夠較好的得到概率輸出值，作為D-S證據(jù)理論的數(shù)據(jù)輸入。同時(shí)，對(duì)于D-S證據(jù)理論組合公式，采用了改進(jìn)的算法，使得時(shí)間復(fù)雜度大為降低。 3．在真實(shí)數(shù)據(jù)的基礎(chǔ)上，本文對(duì)所提出