[发明专利]一种智能可穿戴设备行为数据的多级语义特征提取方法

权利要求书

1.一种智能可穿戴设备行为数据的多级语义特征提取方法，其特征在于，包括如下步骤：

S101、构建单级行为空间，找到行为空间下的一组基；具体包括：利用卷积核函数处理行为数据，同时利用卷积受限玻尔兹曼机无监督地学习出一组卷积核函数作为行为空间下的一组基；基本CRBM模型有两层，分别是可视层即V层，及隐藏层即H层，V层负责接收数据输入，经过卷积操作得到H层的输出；智能可穿戴设备加速度传感器数据的处理方法如下：

输入数据I是智能可穿戴设备传感器的数据，其包含三个坐标轴的信息(I₁,I₂,I₃)，与一组卷积核进行卷积后，H层中每个元素h_k,j的取值为1或0，其概率为：

其中*_v为卷积操作，b_k为卷积偏置，每一个为大小为参数矩阵；之后根据H层的输出，通过逆卷积的方法对数据进行重建，重建方程为：

其中*_f全卷积操作，a为重建偏置；

通过最小化重建数据与原始数据之间的误差，CRBM无监督地学习出一组最优的卷积核以及卷积偏置b_k和重建偏置a；其中重建误差的计算方法为：

同时，把重建公式和向量空间基的线性组合公式相类比，把视为一组基，H层的输出{h₁,h₂,...,h_k}则是空间下中的坐标；从而把输入数据I成功嵌入到由构成的行为空间中；

S102、构建多级行为空间，从不同的粒度分析行为数据；

S103、提取行为数据在多级行为空间下的多级语义特征。

2.根据权利要求1所述的智能可穿戴设备行为数据的多级语义特征提取方法，其特征在于，所述步骤S102具体包括：在CRBM上添加池化层即P层，组成V-H-P三层结构，P层对H层的输出进行池化操作；所述池化操作即按照池化核的大小n_p将H层的输出进行均匀切分成若干个不重叠的池化窗口，之后取每个池化窗口的最大值组成P层的输出；将多个V-H-P三层结构进行堆叠，同时将每级结构中P层的输出作为上一级V的输入，由低向高逐级对行为空间进行构建；堆叠之后组成的多级结构可以构建多级行为空间。

3.根据权利要求2所述的智能可穿戴设备行为数据的多级语义特征提取方法，其特征在于，所述步骤S103具体包括：在多级行为空间构建完成后，根据行为数据在各级行为空间中的坐标提取出行为在各级的特征f^l，其中l为级别编号，组成多级语义特征{f^l}，特征向量f^l的维度等于该级行为空间中学习到的卷积核的个数；其中，每一级特征的具体提取方法为：