行为识别系统的研究与应用——曹亮.pdf
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
《行为识别系统的研究与应用》由曹亮撰写，该文全面探讨了行为识别技术的核心理论及其在实际场景中的广泛应用，为相关领域的研究提供了宝贵的参考。
行为识别系统在个人健康管理、医疗以及体感娱乐等多个领域得到了广泛应用，并且能够通过感知人的当前状态来实现良好的人机交互方式。对这一系统的研究不仅局限于理论分析，在实际应用市场中也出现了诸如“咕咚”、“微信步数分享”等广受欢迎的应用软件，进一步证明了行为识别系统具有重要的实用价值。
从早期使用摄像头采集图像信息并基于计算机视觉技术进行行为识别，到现在利用可穿戴设备和智能手机内置的传感器来收集数据实现行为识别，尤其以智能终端为基础的行为识别系统更符合用户的日常生活需求，并且对用户的生活影响较小。这使得该系统的推广变得更加容易。
本段落深入研究了基于智能终端的行为识别问题并设计实现了原型系统，主要工作包括以下三方面：
1. 在特征工程中，综合考虑分类算法性能、特征约简效果和成本因素，利用二进制粒子群优化（BPSO）的搜索能力提出了基于特征可信度与成本的选择方法，并在UCI公开数据集中进行了充分验证。例如，在Lung数据集上，相较于标准BPSO的方法，所提出的方法使KNN分类准确性提高了3.125%，同时迭代收敛提前了4次。
2. 作为行为识别系统的核心部分之一的监督学习算法得到了优化研究：通过聚类技术构建层级拓扑结构的行为组来改进分类器逻辑，并在UCI数据集中验证其有效性。与常用的RandomTree、J48、BayesNet、KNN和DecisionTable等方法相比，所提出的方案获得了最佳的94.1636%分类准确性。
3. 通过深入研究现有行为识别系统的方法并将其应用于实际工程项目中，设计完成了一个基于Android智能手机的行为识别系统。该系统包括了Android应用程序端及Web管理系统，在手机端利用内置传感器采集人体活动数据；在服务器上进行算法建模和实时分析等计算密集型任务。此系统的实现涵盖了行为识别技术或基础机器学习工程的多个关键环节，并具有实际应用意义。
关键词：行为识别系统、机器学习、特征选择、分类器
全部评论 (0)
