《融合关联性的多任务压缩感知行为识别方法2016年论文》.pdfVIP

CN43—1258／TP 计算机工程与科学 第 37卷第 6期 2015年 6月 ISSN 1007—13OX ComputerEngineering8LScience Vo1．37，No．6，Jun．2015 文章编号 ：1007-130X(2015)06—1071—08 融合关联性的多任务压缩感知行为识别方法 段梦琴，李仁发，黄 晶 (湖南大学嵌入式与网络计算湖南省重点实验室，湖南 长沙 410082) 摘 要：基于传感器的人体行为识别是一个新兴研 究领域 ，作为物联 网的一项重要应用，在 医疗监护、 助老助残、智能办公 ／家居等方面有着广阔的应用前景 。识别率是行为识别的一个重要衡量指标 ，而特征 和分类算法又是影响识别率的两个重要 因素。提取 了基于多传感器行为识别架构的关联特征 ，并 引入压 缩感知和稀疏表示理论 ，提 出一种多任务压缩感知行为识别方法。最后 ，在基准数据库上采用个体无关的 留一验证方法进行 了大量实验 ，结果表明所提 出的融合关联性的多任务压缩感知行为识别方法能有效提 升行为识别率 ，与对应的单任务行为识别方法相 比，识别速度提 高约 56 。 关键词：机器学习；物联 网；体域 网；行为识别；特征提取 中图分类号 ：TP391 文献标志码 ：A doi：10．3969／j．issn．1007一l30X．2O15．06．007 Fuusslinn~gCco0rrrreellaattlio0nn baasseedclmm Uullttii-ttaaSskR compressivesensingforactivityrecognition DUAN Meng—qin，LIRen—fa，HUANG Jing (LaboratoryofEmbeddedSystems Networking，HunanUniversity，Changsha410082，China) Abstract：Sensor—basedhumanactivityrecognitionisan emergingresearch field．Itisan important applicationofInternetofThings(IoT)，andhasverypromisingapplicationprospectsinhealthcare／re— covery，elder／invalidpeopleassistant，smarthome／office，etc．Accuracyisoneofthemostimportante— valuation standardsofactivityrecognition，andappropriatefeaturesandclassifiersareimportantaccura— cyfactors．W efirstextractanovelfeaturecalledcorrelation feature．Bycombiningthetheoryofcom— pressivesensingandsparserepresentation，weproposeamulti—task compressivesensingmethodanduse itastheclassifiertoresolvetheproblem ofactivityrecognition．Finally，weconductalargeamountof experimentsonasetofbenchmarkswithLeave-One—Subject—Outcrossvalidation．Experimentalresults show thattheextractedfeatureandtheproposedmethodareeffectiveinimprovingtheaccuracyofsen— sor—basedactivityrecognition．M oreover，comparedtothecorresponding singletaskmethod，thepro