1多频段时域分解特征优选.doc

多频段时域分解的行为识别特征优选方法* 王忠民 王 斌 （西安邮电大学 计算机学院, 西安 710121 ） 摘要: 为了降低外界环境对移动用户行为识别的影响，保留行为敏感特征，提高行为识别的准确率，提出了一种多频段时域分解的人体行为识别特征优选方法，该方法首先对行为样本数据进行多频段分解，计算样本数据在不同频段信号的特征，利用遗传算法以决策树作为分类器进行特征优选, 在多组特征中搜索出近似最优的特征组合。实验结果表明，该方法优选出的特征组合能有效提高行为识别的准确率。 关键词：多频段时域分解；行为识别；特征优选；遗传算法；决策树 中图法分类号　TP391　 Feature selection method for mobile user behavior recognition based on multiband time domain decomposition Wang Zhong-min, Wang Bin (School of Computer Science and Technology, Xi’an University of Posts and Telecommunications, Xi’an 710121, China) Abstract: In order to reduce the influence of the external environment to mobile user behavior recognition, select the sensitive features, and improve the accuracy of behavior recognition, this paper proposed an acceleration signal feature selection method to mobile user behavior recognition based on multiband time domain decomposition. In the method, it firstly decomposed the sample data to different time domain components. Then it computed the features of the different time domain components. Finally, it used the genetic algorithm and the decision tree as a classifier to choose the feature set which is sensitive to the human’s behaviors . Experiment results show that the multiband time domain decomposition feature optimization method can improve the accuracy of human behavior recognition effectively. Keywords: multiband time domain decomposition; behavior recognition; feature optimization; genetic algorithm; decision tree 引 言 近年来，移动设备快速普及，计算和存储能力大幅度提高，配备的传感器也越来越丰富和精确，这使得基于移动设备的行为识别技术越来越受到人们的关注。目前该技术已被应用于健康监控、交通模式识别等各个领域［1-3］。近年来国内外学者在基于移动终端内置的加速度传感器特征优选方面做了大量的研究工作［4-5］。文献[6-7]提出了加速度信息中所包含的特征信息的意义。为了提高行为识别准确率要进行特征优选[18]，目前根据优选过程和学习方法的关系主要可以分为Filter［8-10］型和Wrapper型[11]。 文献［12-14］使用基于Android平台的智能手机识别跑、跳、上下楼、站立等简单动作,提取样本数据6个不同时间段的最大值、最小值、标准差、过零点和相关系数等特征，分别使用贝叶斯、k-Means 等算法进行训练和分类。文献[15]分别提取移动设备三轴加速度数据四分位差和小波能量,使用kernel discriminant analysis识别走路、跑步等简单行为。文献[16]提出的方法将特征子集的熵作为Filter标准。文献[17]提出使用基于遗传算法的方法用于多传感器数据的行为识别。上述文献工作为了避免手机穿戴位置对加速度信号的影响，都事先假定