[發明專利]改進樸素貝葉斯算法基于手機傳感器的用戶行為識別方法有效
| 申請號： | 202011220609.1 | 申請日： | 2020-11-05 |
| 公開（公告）號： | CN112464738B | 公開（公告）日： | 2022-08-23 |
| 發明（設計）人： | 王慶;李靜;嚴超;張波;許九靖;劉鵬飛 | 申請（專利權）人： | 江蘇集萃未來城市應用技術研究所有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G01D21/02 |
| 代理公司： | 蘇州久元知識產權代理事務所(普通合伙) 32446 | 代理人： | 潘宏偉 |
| 地址： | 215000 江蘇省蘇州市相城經濟技術開發區澄陽*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 改進 樸素 貝葉斯 算法 基于 手機 傳感器 用戶 行為 識別 方法 | ||
1.一種改進樸素貝葉斯算法基于手機傳感器的用戶行為識別方法，其特征在于，包括以下步驟：
S1:通過用戶手機內置的加速度傳感器、陀螺儀、方向傳感器、磁場傳感器采集數據，并對數據進行噪聲去除、數據分離、數據加窗處理；
S2:以均值、標準差、極差、波峰波谷、波峰間隔、相關系數作為提取單軸數據的特征對步驟S1的數據進行特征提取，采用均值比、絕對差均值作為提取三軸中兩兩數據之間的相關性特征；
S3:基于步驟S2的特征對用戶行為進行識別,具體包括
S31:對數據特征選擇并對數據進行預分類，確定實驗訓練數據集和測試數據集；
S32：將步驟S31中的已知實驗訓練數據集通過公式(16)-(20)得到先驗概率，構建AIWNB分類器：
式中是第i個訓練實例c中特征aj的權重，n是訓練實例的總數，nj是第j個屬性Aj值的數量，ci是第i個訓練實例的類標簽，l是等式中的類別的總數，
的計算公式具體如下：
首先，計算測試和訓練實例之間的相似度，設x為測試實例，yi為第i個訓練實例，它們之間的相似度定義為s(x,yi)：
S33：將步驟S31中測試集數據通過步驟S32訓練好的分類器對測試集數據進行分類，通過公式(21)-(27)計算未進行分類的數據后驗概率，從而實現行為識別；
定義屬性加權樸素貝葉斯公式為：
屬性-類別相關性和屬性-屬性相互關系分別定義為：
式中C是所有類標簽c的集合，aj和ak分別為屬性Aj和Ak的值；
為了保證結果的真實性，將I(Aj；C)和I(Aj；Ak)歸一化為NI(Aj；C)和NI(Aj；Ak)
式中NI(Aj；C)代表屬性-類別相關性，NI(Aj；Ak)代表屬性-屬性間的冗余度；
屬性權重定義為互相關性與平均互冗余的差值，是第j個屬性的權重，應在[0,1]范圍內，利用logistic函數轉換具體公式如下：
2.根據權利要求1所述的改進樸素貝葉斯算法基于手機傳感器的用戶行為識別方法，其特征在于，所述步驟S1，采集環境設為室內樓宇，采集的行為活動包括：跑步、行走、站立、坐、上下樓梯、乘直升電梯，同時采集過程中坐標系的定義是相對于設備屏幕的默認方向。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于江蘇集萃未來城市應用技術研究所有限公司，未經江蘇集萃未來城市應用技術研究所有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011220609.1/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種包膠金屬件成型工藝
- 下一篇：一種光伏板清潔設備
