隨著傳感器技術和信息技術的高速發(fā)展,移動手機、運動手環(huán)、智能手表等穿戴式傳感器設備越來越普及�；顒幼R別技術在智能家居、醫(yī)療監(jiān)護、電子商務等領域帶來了嶄新的應用,具有廣泛的研究與應用價值。作為一個具有挑戰(zhàn)性的研究問題,活動識別受到越來越多的國內外研究者關注�；顒幼R別就是從傳感器、計算機、攝像頭等設備采集到的數(shù)據(jù)集(例如傳感器日志、多媒體視頻等)中抽取目標并識別個體正在進行的活動。目前,在人工智能領域,活動識別主要有基于規(guī)則推導的邏輯方法和基于統(tǒng)計規(guī)律學習的概率方法。本文主要研究內容是基于日志的活動識別。不同于傳統(tǒng)的活動識別,本文的工作是基于一種新的統(tǒng)計關系學習理論框架,即馬爾科夫邏輯網(wǎng)絡(Markov Logic Network)。馬爾可夫邏輯網(wǎng)絡可以把邏輯和概率結合在一起,發(fā)揮兩者在活動識別領域各自的長處:邏輯規(guī)則可以很好的描述領域的背景知識,而統(tǒng)計規(guī)律可以很好的處理活動識別中的模糊性,不確定性,以及噪音。本文基于這個框架,提出了一個從日志自動識別用戶活動的方法。我們的方法分為三個步驟:第一步是采用一階邏輯描述關于特定領域中活動識別的背景知識;這些背景知識的來源一方面是由專家提供,另一...

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

圖1-1活動識別模型

于馬爾科夫邏輯網(wǎng)絡的活動識別系統(tǒng)研究與實現(xiàn)第1章，Activities）。最后基于這些活動數(shù)據(jù)，可以進行數(shù)據(jù)可視化，或者如行析，意圖分析，模式分析更深層次的數(shù)據(jù)分析。

圖2-1馬爾科夫網(wǎng)絡示意圖

常量集合,生成的常量馬爾科夫網(wǎng)絡如圖2.1所示。表2-1馬爾科夫邏輯網(wǎng)絡實例命題一階邏輯規(guī)則CNF范式吸煙容易得癌癥S￡§()￠|()S￡§()()如果兩個人是朋友，那么他們同時吸煙或者不吸....

圖3-1MLN步驟第一步是定義一階邏輯規(guī)則

之間的不確定性以及數(shù)據(jù)集中的噪音；我們使用馬爾科夫邏輯網(wǎng)絡方法進行活動識別，解決上面的挑戰(zhàn)。應用馬爾科夫邏輯網(wǎng)絡（簡稱MLN）方法主要有三個步驟：定義一階邏輯規(guī)則、權重學習以及最后的推理。流程如圖3-1所示。

圖4-2數(shù)據(jù)處理

圖4-1ADL實驗步驟可以知道，實驗一共分為4個步驟：數(shù)據(jù)預處理，包含兩個過程：格式轉換和去除重復記錄集格式是以日志的形式（時間點，觸動的傳感器，目，如表4-3所示。

本文編號：4004545