基于智能移动终端的行为识别方法研究PDF电子书下载

哲学宗教

作者：赵中堂着
出版社：成都：电子科技大学出版社
出版年份：2015
ISBN：9787564728779
页数：194 页

图书介绍：本书以移动智能终端为数据采集工具，针对终端携带者的行为识别展开研究，发现现有的行为识别方法存在一些技术难点，比如离线阶段基于某个加速度传感器建立的模型不能在在线阶段很好地区分来自其他不同型号参数加速度传感器的数据、离线阶段基于某些特定位置的行为数据建立的模型不能在在线阶段很好地区分新位置的行为数据、离线阶段基于一人或者多人的行为数据建立的模型不能在在线阶段很好地区分新用户的行为数据、离线阶段基于某些特定类别行为数据构建的模型在在线阶段不能区分新类别行为数据。查看图书目录点击购买PDF全本电子书上一篇：唐代女性与宗教下一篇：魔法象阅读学园童话中的男性进化史 《基于智能移动终端的行为识别方法研究》目录 标签：中堂方法研究终端识别行为

第一章引言1

1.1 什么是行为识别1

1.2 为什么需要行为识别2

1.3 研究行为识别的工具和方法有哪些5

1.4 我们的研究内容、研究工具、研究方法是什么10

1.4.1 研究内容——个人日常行为识别及其流程10

1.4.2 研究工具——行为识别中的传感器设备14

1.4.3 研究方法——机器学习方面的研究现状16

1.5 我们遇到的挑战有哪些48

1.6 本书的贡献50

第二章行为数据采集和特征提取54

2.1 数据采集要求54

2.1.1 现有的公共数据集54

2.1.2 数据采集设备的多样性58

2.1.3 数据采集要求62

2.2 数据采集过程62

2.3 数据分割和标定63

2.4 特征提取64

2.4.1 时域特征65

2.4.2 频域特征67

2.5 样本集统计信息69

2.6 小结73

第三章非特定传感器行为识别方法74

3.1 问题描述74

3.2 相关研究工作77

3.3 面向异质加速度传感器数据的预处理方法79

3.3.1 合成加速度的规范化方法80

3.3.2 基于时间窗的采样频率一致化方法81

3.4 实验及结果分析83

3.4.1 数据准备83

3.4.2 量纲对数据分布的影响84

3.4.3 采样频率对数据分布的影响87

3.4.4 方法的效果91

3.5 小结95

第四章非特定位置行为识别方法96

4.1 问题描述96

4.2 相关研究工作98

4.3 基于特征迁移的非特定位置行为识别模型101

4.3.1 合成加速度数据102

4.3.2 基于PCA的特征降维处理103

4.3.3 极速学习机分类器104

4.3.4 样本的自标定108

4.3.5 模型的在线增量更新109

4.4 实验及结果分析111

4.4.1 分类器性能比较113

4.4.2 未进行PCA变换时的交叉位置行为识别实验114

4.4.3 进行PCA变换后的交叉位置行为识别实验115

4.4.4 自适应调整后模型对新旧位置数据的识别能力实验117

4.5 小结120

第五章非特定人行为识别方法121

5.1 问题描述121

5.2 相关研究工作122

5.3 一种基于迁移学习的嵌入决策树算法124

5.3.1 算法框架125

5.3.2 二叉决策树的构建及迁移126

5.3.3 新用户高置信度样本的筛选过程127

5.3.4 二叉决策树模型的更新过程130

5.4 实验及结果分析132

5.4.1 数据准备132

5.4.2 决策树模型对个人数据的区分能力133

5.4.3 不同用户两两之间模型的交叉验证实验134

5.4.4 算法性能135

5.4.5 决策树模型和训练样本数量的关系135

5.4.6 个性化模型和新用户样本的关系136

5.5 小结137

第六章非特定类别行为识别方法139

6.1 问题描述139

6.2 相关研究工作140

6.3 基于结构迁移的非特定类别行为识别方法142

6.3.1 算法框架142

6.3.2 具有疑似异常行为识别能力的极速学习机143

6.3.3 新类别样本的发现和标定145

6.3.4 极速学习机模型结构的迁移和更新146

6.4 实验及结果分析150

6.4.1 数据准备151

6.4.2 模型选择152

6.4.3 识别异常行为的实验152

6.4.4 分类器性能VS新样本数量153

6.4.5 行为识别模型稳定性实验154

6.4.6 批量学习与增量学习的性能比较实验155

6.5 小结156

第七章基于智能移动终端的社区老人健康感知公共服务系统157

7.1 问题描述157

7.2 系统架构159

7.3 系统的基本功能160

7.3.1 行为识别161

7.3.2 热量消耗估计161

7.3.3 跌倒报警162

7.4 系统功能的设计与实现163

7.4.1 行为识别功能的实现163

7.4.2 行为统计分析功能的实现167

7.4.3 热量消耗估计功能的实现168

7.4.4 跌倒检测功能的实现171

7.5 小结172

第八章结束语173

8.1 本书工作总结173

8.2 未来工作展望175

参考文献178

相关图书

《中风偏瘫脑萎缩痴呆最新治疗原则与方法》孙作东着 2004
《红色旅游的社会效应研究》吴春焕着 2019
《汉语词汇知识与习得研究》邢红兵主编 2019
《生物质甘油共气化制氢基础研究》赵丽霞 2019
《东北民歌文化研究及艺术探析》（中国）杨清波 2019
《联吡啶基钌光敏染料的结构与性能的理论研究》李明霞 2019
《异质性条件下技术创新最优市场结构研究以中国高技术产业为例》千慧雄 2019
《《国语》和《战国策》词汇比较研究》陈长书着 2017
《中国制造业绿色供应链发展研究报告》中国电子信息产业发展研究院 2019
《行政保留研究》门中敬着 2019

作者其它书籍

《中风偏瘫脑萎缩痴呆最新治疗原则与方法》孙作东着 2004
《断陷湖盆比较沉积学与油气储层》赵永胜等着 1996
《水面舰艇编队作战运筹分析》谭安胜着 2009
《王蒙文集新版 35 评点《红楼梦》上》王蒙着 2020
《TED说话的力量世界优秀演讲者的口才秘诀》（坦桑）阿卡什·P.卡里亚着 2019
《燕堂夜话》蒋忠和着 2019
《经久》静水边着 2019
《魔法销售台词》（美）埃尔默·惠勒着 2019
《生物质甘油共气化制氢基础研究》赵丽霞 2019
《微表情密码》（波）卡西亚·韦佐夫斯基，（波）帕特里克·韦佐夫斯基着 2019

出版社其它书籍

《电子测量与仪器》人力资源和社会保障部教材办公室组织编写 2009
《大学计算机实验指导及习题解答》曹成志，宋长龙 2019
《少儿电子琴入门教程双色图解版》灌木文化 2019
《大学生心理健康与人生发展》王琳责任编辑；（中国）肖宇 2019
《大学英语四级考试全真试题标准模拟四级》汪开虎主编 2012
《大学英语教学的跨文化交际视角研究与创新发展》许丽云，刘枫，尚利明着 2020
《复旦大学新闻学院教授学术丛书新闻实务随想录》刘海贵 2019
《大学英语综合教程 1》王佃春，骆敏主编 2015
《大学物理简明教程下第2版》施卫主编 2020
《大学化学实验》李爱勤，侯学会主编 2016

本类热门

1人生没什么不可放下弘一法师的人生智慧
2答案之书
3臣服实验
4天生不同人格类型识别和潜能开发
5性史1926
6被讨厌的勇气 “自我启发之父”阿德勒的哲学课
7加缪手记第1卷
8病由心灭
9当下的力量珍藏版
10易经真的很容易修订版

摘要：本文以“基于智能移动终端的行为识别方法研究.pdf电子书版文档下载”为中心，详细探讨了智能移动终端行为识别方法的研究现状、关键技术、应用领域和发展趋势。通过对文档的深入分析，本文旨在为相关领域的研究者和开发者提供有益的参考和启示。

1、研究现状

随着智能手机和可穿戴设备的普及，智能移动终端已成为人们日常生活中不可或缺的一部分。行为识别作为智能移动终端的一项重要功能，近年来得到了广泛关注。目前，国内外学者在行为识别领域已取得了一系列研究成果，包括基于传感器数据、图像和视频的行为识别方法。

然而，由于行为识别涉及到的数据类型多样、复杂，且存在噪声干扰、动态变化等问题，因此研究现状仍存在一定的挑战。如何提高识别准确率、降低误识率，以及实现实时性、高效性，是当前行为识别研究的热点问题。

此外，随着人工智能技术的不断发展，深度学习、机器学习等技术在行为识别领域的应用越来越广泛，为行为识别研究提供了新的思路和方法。

2、关键技术

基于智能移动终端的行为识别方法主要涉及以下关键技术：

（1）特征提取：通过对传感器数据、图像和视频进行处理，提取出反映用户行为特征的信息。常用的特征提取方法包括时域特征、频域特征、时频域特征等。

（2）分类器设计：根据提取的特征，设计合适的分类器对用户行为进行识别。常见的分类器有支持向量机（SVM）、决策树、神经网络等。

（3）模型优化：针对不同场景和需求，对行为识别模型进行优化，以提高识别准确率和实时性。常用的优化方法有交叉验证、网格搜索、贝叶斯优化等。

3、应用领域

基于智能移动终端的行为识别方法在多个领域具有广泛的应用前景，主要包括：

（1）智能家居：通过识别用户的行为习惯，实现智能家电的自动控制，提高生活品质。

（2）健康监测：监测用户日常行为，如运动、睡眠等，为用户提供健康建议。

（3）安全监控：识别异常行为，如跌倒、打架等，为安全防护提供支持。

（4）人机交互：通过识别用户的行为意图，实现更加自然、便捷的人机交互。

4、发展趋势

随着人工智能技术的不断进步，基于智能移动终端的行为识别方法将呈现出以下发展趋势：

（1）多模态融合：结合多种传感器数据，提高识别准确率和鲁棒性。

（2）深度学习应用：利用深度学习技术，实现更加智能、高效的行为识别。

（3）个性化识别：针对不同用户的需求，实现个性化行为识别。

（4）跨领域应用：将行为识别技术应用于更多领域，如教育、医疗等。

总结：

本文对基于智能移动终端的行为识别方法进行了深入研究，分析了研究现状、关键技术、应用领域和发展趋势。随着技术的不断发展，基于智能移动终端的行为识别方法将在更多领域发挥重要作用。

本文由nayona.cn整理

点击联系需要东西方神秘学学习资料，专业的咨询