原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提出了一种可适应的基于传感器数据流的人类活动识别框架，涉及使用在线学习和主动学习进行HAR。与传统方法不同，在线学习将数据视为一个持续流动的数据流，使系统能够持续学习并适应变化，如个人活动模式的变化或传感器测量的转变。大多数传统的HAR方法假定人工数据注释或标记，这可能非常耗时和挑战性。为了解决这个问题，我们引入主动学习，该算法主动选择训练实例。主动学习可以查询用户关于模糊活动的信息，有效地引导学习过程，使用更少的标记数据实例，简化注解过程。因此，该发明的重要贡献是将在线学习和主动学习引入
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117370735A
(43)申请公布日2024.01.09
(21)申请号202311393691.1
(22)申请日2023.10.25
(71)申请人电子科技大学长三角研究院（湖州）
文档评论（0）