面向智能环境的活动模式迁移学习.pdf

《面向智能环境的活动模式迁移学习.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2016年2月北京航空航天大学学报February2016第42卷第2期JournalofBeijingUniversityofAeronauticsandAstronauticsV01．42No．2http：ffbhxb．buaa．edu．cnjbuaa@buaa．edu．cnDOI：10．13700／j．bh．1001—5965．2015．0085面向智能环境的活动模式迁移学习汪成亮1’2一，王云鹏1(1．重庆大学计算机学院，重庆400044；2．重庆大学信息物理社会可信服务计算教育部重点实验室，重庆4000

2、44)摘要：针对智能环境中活动模式的学习和挖掘花销大、难以实际操作等问题，提出了能够有效地将已有活动模式迁移到新环境的整体框架。迁移学习框架将活动模式的迁移过程分解为轨迹的迁移和触发持续时间的迁移，首先对已有活动模式中的活动轨迹以及触发持续时间模糊化；然后采用备选轨迹生成(ATSG)算法在新环境中生成备选轨迹集；最后采用相似度计算(SC)算法进行活动模式中的轨迹与备选轨迹间的匹配，利用活动轨迹映射(TM)算法和触发持续时间迁移(TDT)算法对活动信息进行迁移，从而在新环境中得到活动模式。理论分析和实验结果表明，相

3、比于基于频繁模式挖掘得到活动模式的方法，本文方法大幅度地降低了得到活动模式所需的时间开销，同时，利用本文方法获取的活动模式取得了较好的活动识别效果。关键词：智能环境；迁移学习；活动模式；活动轨迹；触发持续时间中图分类号：TP393文献标识码：A文章编号：1001-5965(2016)02m218-09以传感器为基础的活动识别对分析行为模式起到重要作用。在许多智能环境的应用中也扮演着重要角色。以智能家居应用的儿童看护为例，当儿童在某个时段内无人看护时，家长可以及时得知孩子正在进行的活动，从而以最快的速度对潜在的危险

4、情况采取避免措施，并可以根据孩子的13常活动特点，对孩子的作息进行更好的引导。在目前的研究中，基于频繁模式挖掘的活动识别是主要的方法¨4。，其优势在于：通过学习挖掘得到的活动模式全面准确，对相应环境中活动的识别效果好，并能识别一些只有在特定环境中能够进行的活动。Parisa等⋯通过机器学习方法挖掘人在智能环境中的频繁活动模式，并将监测结果应用于健康管理方面；Kevin等”。在已有的识别方法基础上，提出了利用无源射频识别(RFID)技术进行活动识别。该方法仅依赖于空间信息，实现了对智能环境中对象的实时追踪，提高了活

5、动识别的效率；Zhang等H1将持续时间挖掘引入活动识别中，提高了识别的准确率。然而，这种方法存在以下两点不足之处：①空间局限性：模式挖掘和待识别活动必须在同一环境中进行，并要使用相同的传感器集合。一旦待识别活动来自于不同的环境或使用不同的传感器集合，则该方法的识别能力会下降。②时间开销大：频繁模式挖掘需要耗费较长的时间人工进行行为标注及活动信息采集，并对人在智能环境中的活动模式进行观察和学习。为了克服基于频繁模式挖掘识别方法在空间局限性和时间开销大两方面的不足，研究人员提出基于迁移的识别方法∽。1

6、。例如，Hu

7、和Yang¨叫提出利用少量的新标记数据去结合旧数据，从而为新数据构造出高质量的分类模型。但这种方法每次只能迁移来自一个环境中的数据，存在一定的迁移局限性。Francisco等⋯1提出了基于贝叶斯推理的迁移识别算法。对于仅能提供无标签数据或少量有标签数据的智能环境而言，收稿日期：2015-02-06；录用日期：2015-05-08；网络出版时间：2015-06．1717：27网络出版地址：WWW．cnki．net／kcms／detail／11．2625．V．20150617．1727．009．html基金项目：国家

8、自然科学基金(61004112)；中央高校基本科研业务费专项资金(CDJZRl2180006)$通讯作者：Tel．：023&5111874E-mail：wangcl@cqu．edu．cnBl甩格式：汪成亮，I云鹃．面向智能环境的活动模式迁移学习l

9、1．北京航空航天大学学报．2016，42(2)：218．226．WANGCL，WANGYP．Transferlearningforactivitypatterninsma—environmentIsJ．JouraalofBeijingUniversityofAerona

10、u。ticsandAstronautics，2016，42(2)：218-226(inChinese)．第2期汪成亮，等：面向智能环境的活动模式迁移学习219这种方法同样具有较好的活动识别效果。总体而言，目前对基于迁移的识别方法的相关研究还不够深入。本文通过对活动信息模糊化，提取同类型活动具有的共同特征，提出了活动模式迁移学习框架，从而达到将活动模式快速迁移到新环境中，并