基于層次聚類特征選擇和HF-SVM的活動識別技術(shù).pdf

1、基于人體活動的智能計算是人工智能領(lǐng)域的一個重要研究方向，其目的是通過獲取用戶的狀態(tài)和環(huán)境數(shù)據(jù)信息，為用戶提供智能化應(yīng)用服務(wù)。隨著移動智能設(shè)備（如智能可穿戴設(shè)備）及其相關(guān)傳感器等技術(shù)的飛速發(fā)展，基于移動智能設(shè)備的活動識別技術(shù)成為了研究的熱點。由于移動智能終端在計算能力、存儲空間和能量等硬件資源方面的限制，而傳統(tǒng)機器學(xué)習(xí)模型需要巨大運算能力，基于移動智能設(shè)備的活動識別技術(shù)無法廣泛應(yīng)用。
　　本研究主要內(nèi)容包括：⑴提出了改進的基于層次聚

2、類算法的特征選擇算法。基于層次聚類的特征選擇算法使用的評價函數(shù)基于互信息和關(guān)聯(lián)系數(shù)。這不能適用于活動識別領(lǐng)域的連續(xù)型數(shù)據(jù)。本文基于皮爾遜相關(guān)系數(shù)和共享最近鄰這兩種度量改進了評價函數(shù)。使用改進的基于層次聚類的特征選擇算法，完成了特征提取，降低活動識別技術(shù)在模型訓(xùn)練過程中的復(fù)雜度。⑵提出了基于硬件友好型核函數(shù)的SVM算法。傳統(tǒng)的SVM算法在模型訓(xùn)練和算法應(yīng)用中需要大量的指數(shù)運算。本文基于高斯核函數(shù)和拉普拉斯核函數(shù)提出了硬件友好型的核函數(shù)，既