多传感器时间序列的活动识别概率模型研究

论文摘要

基于传感器的人类活动识别是指对受试者在活动时产生的加速度、角速度等数据进行采集和分析,还原受试者实际所做动作的一类识别分类任务,目前已经被普遍应用于医疗保健、智能家居等领域。隐马尔可夫模型（Hidden Markov Model,HMM）和条件随机场（Conditional Random Field,CRF）是擅长处理传感器时间序列数据的概率模型,但在时序建模方面也存在不足之处。针对以下不足,该文对两种模型进行了改进,应用于人类活动识别以验证模型性能,提高活动识别的准确性。首先,HMM训练时所用的Baum-Welch算法是一种爬山算法,容易获得局部最优解,因此引入结构化支持向量机（Support Vector Machine,SVM）与HMM结合,构建结构化SVM-HMM框架用于人类活动识别,并与基于高斯混合模型的HMM（HMM based on Gaussian Mixed Model,GMM-HMM）进行对比实验。实验证明,结构化SVM-HMM比GMM-HMM能更好地描述人类活动方式。其次,传统CRF在训练优化时所用的拟牛顿算法BFGS算法占用内存大、运行速度慢,针对此问题,采用边界限制存储的BFGS（Limited Memory BFGS with Bounds,L-BFGS-B）算法优化CRF模型用于活动识别建模,并与传统的CRF模型、决策树、逻辑回归等机器学习方法进行对比实验。结果表明,基于L-BFGS-B算法的CRF模型计算复杂性低、迭代代价小、运行效率高,比其他算法具有更好的识别效果。最后,将双向长短时记忆（Long Short-Term Memory,LSTM）神经网络和CRF结合,构建双向LSTM-CRF深度框架用于活动分类,并将此模型与双向LSTM网络、CRF模型进行对比实验。双向LSTM-CRF同时具有双向LSTM学习上下文的信息的特性和CRF模型考虑输出标签序列间的依赖关系的特性,且可以自动提取特征。结果表明,双向LSTM-CRF模型的识别效果优于另外两种模型。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 研究背景
•   1.2 研究现状
•   1.3 本文的主要工作和章节安排
• 第2章 活动识别概述和数据集介绍及处理
•   2.1 引言
•   2.2 活动识别概述及流程
•   2.3 数据集概述
•     2.3.1 机会数据集介绍及处理
• HAR数据集介绍及处理'>    2.3.2 UCI_HAR数据集介绍及处理
• HAPT数据集介绍及处理'>    2.3.3 UCI_HAPT数据集介绍及处理
•     2.3.4 WISDM数据集介绍及处理
•   2.4 衡量指标
•   2.5 本章小结
• 第3章 基于结构化SVM-HMM的活动识别
•   3.1 引言
•   3.2 结构化支持向量机学习方法
•   3.3 隐马尔可夫模型用于活动识别
•     3.3.1 隐马尔可夫模型的定义
•     3.3.2 隐马尔可夫模型的基本问题
•   3.4 结构化SVM-HMM模型架构
•     3.4.1 结构化支持向量机部分的设计
•     3.4.2 隐马尔可夫模型部分的设计
•     3.4.3 结构化SVM-HMM的学习与分类
•   3.5 基于高斯混合HMM的训练与识别
•     3.5.1 基于高斯混合HMM的初始化
•     3.5.2 基于高斯混合HMM的训练
•   3.6 实验设置和实验结果与分析
•     3.6.1 实验设置
•     3.6.2 实验结果与分析
•   3.7 本章小结
• 第4章 基于L-BFGS-B算法的条件随机场活动识别
•   4.1 引言
•   4.2 条件随机场用于活动识别
•     4.2.1 条件随机场的定义
•     4.2.2 条件随机场的基本问题
•   4.3 条件随机场的训练过程
•     4.3.1 条件随机场的参数估计
•     4.3.2 L-BFGS-B算法原理
•     4.3.3 L-BFGS-B算法用于条件随机场优化
•   4.4 实验设置和实验结果与分析
•     4.4.1 实验设置
•     4.4.2 实验结果与分析
•   4.5 本章小结
• 第5章 基于双向LSTM-CRF的人类活动识别
•   5.1 引言
•   5.2 双向LSTM模型
•     5.2.1 LSTM的介绍
•     5.2.2 双向LSTM介绍
•   5.3 双向LSTM-CRF模型构建
•   5.4 实验设置和实验结果与分析
•     5.4.1 实验设置
•     5.4.2 实验结果与分析
•   5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢

文章来源

类型: 硕士论文

作者: 周雅倩

导师: 王金甲

关键词: 人类活动识别,隐马尔可夫模型,条件随机场,算法,双向长短时记忆神经网络

来源: 燕山大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,自动化技术

单位: 燕山大学

分类号: TP212;O211.61

DOI: 10.27440/d.cnki.gysdu.2019.000552

总页数: 71

文件大小: 4217K

下载量: 29