[发明专利]一种融合运动、生理和位置传感数据的复杂活动识别方法

摘要

本发明公开了一种融合运动、生理和位置传感数据的复杂活动识别方法，包括：1)采集运动、生理和位置传感数据；2)对运动传感数据提取统计特征，对统计特征进行K‑Means聚类和LDA主题提取，得到运动传感数据的主题分布，并建立基于运动传感数据的子分类器；3)对生理传感数据提取结构特征和瞬态特征，并建立基于生理传感数据的子分类器；4)将城市地图划分为网格单元，引入微博签到、ATUS和POI数据集，利用矩阵分解建立网格单元与复杂活动间的关系，将用户位置传感数据映射到相应网格单元，得到基于位置传感数据的子分类器；5)采用分数级融合的方法将这些子分类器的输出进行融合，获得复杂活动的概率。

主权项

1.一种融合运动、生理和位置传感数据的复杂活动识别方法，包括以下步骤：(1)采集用户在复杂活动时的运动传感数据、生理传感数据以及位置传感数据，并对这些数据进行异常值消除、时间窗口划分处理，根据位置传感数据确定用户位置信息；(2)对经步骤(1)处理后的运动传感数据依次进行特征统计、K‑Means聚类以及LDA主题提取，获得运动传感数据的主题分布，根据该主题分布构建基于运动传感数据的子分类器；(3)提取经步骤(1)处理后的生理传感数据的结构特征和瞬态特征，并根据生理传感数据的结构特征和瞬态特征构建基于生理传感数据的子分类器；(4)基于微博签到数据集、ATUS数据集以及POI数据集构建网格单元的场所类型分布向量、场所类型‑复杂活动矩阵以及网格单元‑特征矩阵，并根据场所类型分布向量和场所类型‑复杂活动矩阵构建网格单元‑复杂活动矩阵，根据网格单元‑特征矩阵确定网格单元相似性矩阵后，利用网格单元相似性矩阵对网格单元‑复杂活动矩阵进行矩阵分解与重构，获得的新矩阵即为基于位置传感数据的子分类器；(5)利用基于运动传感数据的子分类器、基于生理传感数据的子分类器以及基于位置传感数据的子分类器输出的概率向量构建复杂活动分类模型；(6)利用步骤(2)中构建的基于运动传感数据的子分类器获得待测运动传感数据在每个复杂活动上的概率向量pa，利用步骤(3)中构建的基于生理传感数据的子分类器获得待测生理传感数据在每个复杂活动上的概率向量pv，利用步骤(4)中构建的基于位置传感数据的子分类器获得待测位置传感数据在每个复杂活动上的概率向量pl；(7)将概率向量pa、pv以及pl输入至步骤(5)中构建的复杂活动分类模型中，经计算获得复杂活动的概率，即实现对复杂活动的识别。