[發明專利]一種基于特征與實例相結合的異構遷移行為識別方法

有效

• 申請號: 202110163983.0
• 申請日: 2021-02-05
• 公開（公告）號: CN112800352B
• 公開（公告）日: 2023-06-16
• 發明（設計）人: 郭靜寰;任建勛;陳顥銘;韓碩
• 申請（專利權）人: 大連海事大學
• 主分類號: G06F18/22
• 分類號: G06F18/22
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

本發明提供一種將基于特征的遷移與基于實例的遷移相結合的行為識別方法。在這里首先會對兩個域之間進行傳感器相似度的計算，生成傳感器映射矩陣，之后會對源域中的各個活動類與目標域的樣本進行特征的提取，進行基于特征的相似度計算。在基于實例的部分會對兩個域中的活動樣本進行傳感器序列的相似度計算。最后會對相似度高的源域樣本進行隨機樣本的整體相似度計算，根據三種相似度找出最匹配的源域樣本并賦予目標樣本相應的標簽。在提出的方法中可以較好提高兩個相似活動的區分度，從而提高了整體的識別準確度。

技術領域

本發明涉及技術領域，具體而言，尤其涉及一種基于特征與實例相結合的異構遷移行為識別方法。

背景技術

目前利用遷移學習進行行為識別的過程中，通常僅通過活動樣本特征的提取以及樣本中的主要傳感器進行相似度的計算，從而為樣本貼上最相似的活動的標簽。

目前遷移學習主要分為基于實例和基于特征兩種方式的遷移。基于實例的遷移通常數據信息分析全面且易于使用，缺點是行為識別的準確率較低且時間復雜度較高?；谔卣鞯倪w移可以減小兩個域之間的差異且識別準確率相對比較高，但是特征所能分析出來的信息有一定的限制。而且在進行樣本之間相似度的匹配時，有時不會考慮樣本對于整體的相似度，或者在考慮整體相似度時沒有考慮到同一標簽中分為兩種活動類型的情況。為了能夠在異構遷移的環境下有效的將相似的活動進行區分，我們提出一種特征和實例相結合的遷移方法進行異構環境下行為識別的方法。

參考文件：

[1]Mutegeki?R，Han?D?S.Feature-Representation?Transfer?Learning?forHuman?Activity?Recognition[C]//2019International?Conference?on?Informationand?Communication?Technology?Convergence(ICTC).IEEE，2019.

[2]Chiang?Y?T，Lu?C?H，Hsu?Y?J.A?Feature-Based?Knowledge?TransferFramework?for?Cross-Environment?Activity?Recognition?Toward?Smart?HomeApplications[J].IEEE?Transactions?on?Human-Machine?Systems，2017:1-13.

[3]Myagmar?B，Li?J，Kimura?S.A?Novel?Supervised?Heterogenuos?FeatureTransfer?Learning?Scheme?for?ADL?Recognition[C]//2018International?Symposiumon?Intelligent?Signal?Processing?and?Communication?Systems(ISPACS).2018.

[4]Gargees?R，Keller?J，Popescu?M.Early?illness?recognition?in?olderadults?using?transfer?learning[C]//2017IEEE?International?Conference?onBioinformatics?and?Biomedicine(BIBM).IEEE，2017.

[5]Samer?S，Al?Z?M?G，Majdi?R，et?al.Transferring?activity?recognitionmodels?in?FOG?computing?architecture[J].Journal?of?Parallel?and?DistributedComputing，2018，122:S0743731518305410-.

發明內容