一种位置无关的多模型移动用户行为识别方法要点.PDFVIP

第３４卷第４期 计 算 机 应 用 研 究 Ｖｏｌ．３４Ｎｏ．４ 　 　 ２０１７年４月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ａｐｒ．２０１７ 一种位置无关的多模型移动用户行为识别方法  王忠民，韩　帅 ，宋　辉 （西安邮电大学计算机学院，西安７１０１２１） 摘　要：针对智能手机佩戴位置多样性对移动用户行为识别结果的影响，提出一种位置无关的多模型移动用户 行为识别方法。该方法通过计算手机加速度传感器所采集到的行为信号在不同佩戴位置的特征相似度，与预先 计算的不同佩戴位置特征相似度进行比较，并采用相似度最大的位置特征作为测试样本，利用极速学习机（ｅｘ ｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅ，ＥＬＭ）分类器对移动用户行为进行识别。实验结果证明，相对于不区分佩戴位置的行为识 别方法，该方法可将识别准确率提高１１％，是一种有效的移动用户行为识别方法。 关键词：行为识别；特征相似度；位置无关；极速学习机 中图分类号：ＴＰ３９１．４　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１７）０４１０６００３ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１７．０４．０２３ Ｐｏｓｉｔｉｏｎｉｎｄｅｐｅｎｄｅｎｔｍｕｌｔｉｍｏｄｅｌｍｅｔｈｏｄｆｏｒｍｏｂｉｌｅｕｓｅｒｂｅｈａｖｉｏｒｒｅｃｏｇｎｉｔｉｏｎ  ＷａｎｇＺｈｏｎｇｍｉｎ，ＨａｎＳｈｕａｉ，ＳｏｎｇＨｕｉ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓ＆Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｘｉ’ａｎ７１０１２１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｌｏｃａｔｉｏｎｉｎｄｅｐｅｎｄｅｎｔｍｕｌｔｉｍｏｄｅｌｍｏｂｉｌｅｕｓｅｒｂｅｈａｖｉｏｒｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｄｕｅｔｏｔｈｅｆａｃｔ ｔｈａｔｌｏｃａｔｉｏｎｄｉｖｅｒｓｉｔｙｏｎｍｏｂｉｌｅｕｓｅｒｓｉｎｆｌｕｅｎｃｅｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｉｒｂｅｈａｖｉｏｒｒｅｃｏｇｎｉｔｉｏｎ．Ａｆｔｅｒｅｘｔｒａｃｔｉｎｇｔｈｅｆｅａｔｕｒｅｓｏｆｔｈｅ ｍｏｂｉｌｅｐｈｏｎｅ’ｓａｃｃｅｌｅｒａｔｉｏｎｓｉｇｎａｌｓ，ｆｅａｔｕｒｅｓ’ｓｉｍｉｌａｒｉｔｙｃｏｕｌｄｂｅｃａｌｃｕｌａｔｅｄ．Ｃｏｍｐａｒｉｎｇｔｈｉｓｆｅａｔｕｒｅｓｓｉｍｉｌａｒｉｔｙｗｉｔｈｔｈｅｓｕｐ ｐｏｓｅｄｄａｔａ，ｉｎｔｈｅｍｅａｎｔｉｍｅ，ｓｅｔｔｉｎｇｔｈｅｍａｘｉｍｕｍｆｅａｔｕｒｅｓ’ｓｉｍｉｌａｒｉｔｙａｓｔｅｓｔｉｎｇｄａｔａ，ｔｈｅｓｅｌｅｃｔｅｄｄａｔａｗｏｕｌｄｂｅｃｌａｓｓｉｆｉｅｄｂｙ ＥＬＭ（ｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅ）．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎｉｍｐｒｏｖｅｔｈｅｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙｒａｔｅｂｙ １１％．Ｔｈｕｓｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｉｓｓａｔｉｓｆｙｉｎｇａｎｄｔｈｉｓｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｉｓｅｆｆｅｃｔｉｖｅ． Ｋｅｙｗｏｒｄｓ：ａｃｔｉｖｉｔｙｒｅｃｏｇｎｉｔｉｏｎ；ｆｅａｔｕｒｅｓｉｍｉｌａｒｉｔｙ；ｐｏｓｉｔｉｏｎｉｎｄｅｐｅｎｄｅｎｔ；ＥＬＭ（ｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅ） 　　人体行为识别是人工智能与模式识别领域内一个热门研 致行为识别准确率的下降。Ｗａｎｇ等人［１０］在解决多佩戴位置 究方向，主要分为基于视频的