行為識別中的特征優(yōu)選方法研究.pdf

1、隨著普適計算的研究發(fā)展，以及硬件外設制造工藝的不斷進步，基于傳感器的行為識別技術越來越廣泛的應用于智能家居、體感游戲、老人健康監(jiān)測等各個領域。相比傳統(tǒng)基于計算機視覺的行為識別，基于傳感器的行為識別有著更自由、靈活、安全、便捷的優(yōu)勢，因此基于傳感器的行為識別系統(tǒng)的研究與應用得到了國內外專家學者的高度關注。
　　本文通過研究和分析基于傳感器的行為識別模型和方法，重點針對行為識別中的特征優(yōu)選問題，以分類準確性為準則，提出了一種基于蟻群算

2、法的特征優(yōu)選方法，并進行了實驗分析與對比，以及系統(tǒng)的設計與實現。
　　首先介紹了基于加速度傳感器的行為識別模型及關鍵技術，包括數據采集、預處理、窗口化分、特征提取、識別分類等方法。并重點介紹了行為識別中特征優(yōu)選的評價準則、最優(yōu)算法、次優(yōu)算法和以分類性為準則的特征優(yōu)選方法的基本思想，以及典型的幾種行為識別方法，包括KNN、決策樹、樸素貝葉斯、支持向量機等。
　　其次，本文重點針對行為識別中特征維數較高及不同特征對分類結果貢獻度

3、的差異性等問題，提出了一種基于蟻群算法的特征優(yōu)選方法。該方法主要通過嵌套在轉移函數中的提前訓練識別方法，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練識別次數，并定義了信息素規(guī)則，達到了較好的特征優(yōu)選效果。利用典型的KNN、決策樹、樸素貝葉斯、支持向量機等分類方法，對本文方法進行了實驗分析與對比，結果表明特征優(yōu)選方法具有較好的識別準確率。
　　最后，在上述研究基礎上，設計開發(fā)了一個基于加速度傳感器的行為識別系統(tǒng)，該系統(tǒng)