基于條件隨機場的智能家居行為識別研究.pdf

1、近十幾年來，國內(nèi)外學者在推進泛在智能環(huán)境下的行為識別技術上付出了諸多努力。然而現(xiàn)有方法中有的需要特殊的傳感設備（如穿戴式的），容易給用戶生活造成不便;有的雖然選用不侵犯用戶隱私、不改變用戶生活習慣的傳感器，但單用戶行為識別精確性還不夠高，多用戶行為識別的算法研究剛剛起步，異常行為識別的研究還不多見。因此泛在智能家居中的行為識別研究需要更多更深入的算法研究和改進。
　　條件隨機場(CRF)是一類序列概率圖模型，最早應用于標記和切分序

2、列化數(shù)據(jù)。將CRF應用于泛在智能環(huán)境下行為識別的研究工作還不多見，本文提出利用CRF及其擴展模型來改進智能家居中的行為識別算法，取得了以下研究成果:
　　(1)給出了基于條件隨機場的行為識別框架，呈現(xiàn)了基于線性鏈條件隨機場(LCRF)的行為識別方法，并通過特征合并把多個只和一個行為相關的傳感器狀態(tài)變化視為單一特征，改進了基于LCRF的行為識別方法。仿真實驗證明了LCRF對大多數(shù)行為的識別效果要好于NB和HMM方法，特征合并法不僅可

3、以減少模型訓練和行為識別所需要的時間，而且可以減少冗余，提高行為識別的精確性。
　　(2)從多個行為及其內(nèi)部多個子行為之間關系入手，提出了基于隱動態(tài)條件隨機場(LDCRF)的行為識別方法。為驗證LDCRF方法的有效性，本文使用多分類衡量標準衡量實驗結果，并和已有的經(jīng)典行為識別方法SVM、HMM和LCRF以及相關方法HCRF進行了的對比，實驗結果表明基于LDCRF的行為識別方法要好于其它方法。
　　(3)通過定義合并標簽和它的

4、狀態(tài)集來表示多用戶環(huán)境中固定不變的先驗知識，提出了兩階段隱馬爾可夫模型(TSM-HMM)和兩階段線性鏈條件隨機場(TSM-LCRF)的多用戶行為識別方法。基于美國華盛頓州立大學一個多用戶行為數(shù)據(jù)庫的實驗表明我們的兩階段方法好于現(xiàn)有的多用戶行為識別方法。
　　(4)針對智能家居中老人常見的三類異常行為，提出了基于HCRF和LCRF的異常行為識別方法。為了驗證方法的有效性，我們針對“遺忘”、“新行為”、“行動變慢”分別設計了三個仿真實