基于手機傳感器的行為識別和行為習慣分析.pdf

1、近幾年來，隨著信息科學和傳感器技術的進步，基于傳感器的人體行為識別獲得了極大的發(fā)展。其中基于可穿戴傳感器的行為識別作為移動式計算的重要方面給各種上層應用提供了許多支持，例如在智能家居、老人或病人監(jiān)護等領域使用可穿戴式傳感器可以實時獲得用戶的活動情況，從而快速準確的識別出當前用戶的行為活動。但是將傳感器安裝在用戶身上進行長時間內的行為感知會給用戶的正常生活帶來很多不便，所以手機傳感器作為采集數(shù)據(jù)的載體越來越受到研究者的關注。手機傳感器的便

2、攜性和隱蔽性可以避免給用戶帶來不便，但是大量的研究僅僅是使用手機進行短時間的數(shù)據(jù)采集。因此，本文基于智能手機采集用戶長時間的行為活動數(shù)據(jù)，對行為識別與分析的相關方法進行研究。
　　論文的主要工作有兩部分:首先采用集成分類器方法對手機采集到的數(shù)據(jù)進行行為識別，然后使用聚類算法和關聯(lián)算法對行為進行分析:
　　在行為識別階段，首先為了獲得更好的數(shù)據(jù)預處理結果，論文對濾波算法的有效性進行比較研究，使用高通濾波加均值濾波以及獨立成分分

3、析加小波變換兩種方法對原始數(shù)據(jù)進行預處理，從數(shù)據(jù)處理效果來看采用后一種方法能夠使各項活動狀態(tài)信號之間的差異性更大，濾波效果更優(yōu)。然后使用集成分類器進行行為識別并與單一分類器的識別結果進行多方面的比較，并通過實驗證明使用集成分類器進行分類能夠獲得更好的識別效果。
　　在行為分析階段，為了研究哪些方法適合應用于行為分析，本文在行為識別的基礎上使用相關聚類算法和關聯(lián)分析方法對用戶日常行為活動進行分析。首先將基于閾值半徑的自適應K-mea

4、ns算法應用于行為信息聚類分析，通過對活動熱點區(qū)域的聚類分析，說明該方法能夠獲得較好的聚類結果。然后將Cramer方法應用于行為信息相關程度分析，通過對影響用戶就餐習慣的因素進行相關程度分析，得出就餐時間與就餐地點之間呈強相關性，說明使用Cramer方法能夠有效地分析出行為信息之間的相關程度。最后將Apriori方法應用于行為活動預測，通過對影響用戶是否去海邊的因素進行分析，得出天氣、工作時間等因素對活動的影響情況，實驗證明使用Apri