[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

本發明提出了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，利用手機傳感器采集的原始數據來訓練改進的樸素貝葉斯機器學習模型，然后對數據進行分類識別，總體流程包括以下步驟：S1，數據采集與處理；S2，特征提取；S3，分類識別。首先利用智能手機所集成的傳感器，采集不同行為下的數據信息并且進行預處理；然后對傳感器單軸數據提取標準差、均值、波峰波谷、波峰間隔、相關系數等特征屬性，對兩軸間數據提取均值比和絕對差均值特征屬性；其次利用改進的樸素貝葉斯算法，該算法將屬性加權和實例加權相結合，核心是將屬性權重納入樸素貝葉斯分類公式，利用實例加權訓練數據估計先驗概率和條件概率。最后根據訓練集得到各分類的先驗概率，然后獲得未知類別樣本的后驗概率，通過比較概率大小得到未知類別樣本的分類實現對行為的分類。

技術領域：

本發明涉及用戶行為識別方法，尤其是涉及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。

技術背景：

用戶行為識別技術是通過對用戶的外在行為進行分析從而得到用戶行為模式的過程，在人工智能、模式識別等領域有著廣泛的應用前景。由于傳感器數據能夠反映出人體行為的不同特征，目前有大量可穿戴傳感器的相關研究，比如采用三軸加速度傳感器和陀螺儀結合的方式構造了老年人活動感知設備，兩個加速度傳感器佩戴在右手臂前后來解決交互式游戲中的上肢動作識別問題。但是研究者需要在在不同的身體部位，如臂膀、腰部、大腿、手腕、腳踝等，設置專用運動傳感器來捕獲行為數據，這些傳感器對佩戴者日常生活工作造成影響，不能為活動監督或行為預測提供長期有效的解決方案，同時可穿戴設備存在市場價格昂貴，日常穿戴不便等不足隨后研究熱點轉移到智能手機傳感器上。

隨著手機終端制造水平的不斷提高，人們對行為識別理論研究的深入，智能手機自身集成了各種傳感器，利用加速度計、陀螺儀、磁力計等傳感器采集人體行為模式下的多種數據信息，結合機器學習的能力，可以識別出用戶的行為。目前，手機作為人們日常生活工作中不可或缺的通訊設備，智能手機的隨身攜帶的特性解決了數據采集的難題，智能手機中傳感器可產生并記錄大量運動相關的數據和信息。本文提出一種基于智能手機傳感器并采用樸素貝葉斯機器學習算法識別用戶行為的方法。

發明內容：

本發明針對現有基于手機傳感器的用戶行為識別方法提出了一種改進樸素貝葉斯算法的行為識別方法。本發明利用手機傳感器采集的原始數據來訓練改進的樸素貝葉斯機器學習模型，然后對數據進行分類識別，總體流程包括原始數據采集與處理、特征提取、分類識別三大部分。首先利用智能手機中含有的加速度傳感器、陀螺儀、方向傳感器、磁場傳感器等，采集不同行為下的數據信息并且進行預處理；然后對數據提取標準差、均值、極差、波峰波谷、波峰間隔、相關系數等不同特征值，得到特征向量；其次利用改進的樸素貝葉斯算法，該算法將屬性加權和實例加權相結合，核心是將屬性權重納入樸素貝葉斯分類公式，利用實例加權訓練數據估計先驗概率和條件概率。最后根據訓練集得到各分類的先驗概率，然后獲得未知類別樣本的后驗概率，通過比較概率大小得到未知類別樣本的分類實現對行為的分類。

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，

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：