用于行為識別稀疏表示的分類方法研究.pdf

1、近幾年來，在智能家居的領域中行為識別技術(shù)逐漸成為學者們研究的熱點。一個良好的特征提取方法在行為識別中扮演著重要的角色。在現(xiàn)今的行為識別研究中，主要的難點在于:人類行為的時序性，即在人們表現(xiàn)出的同種行為中，不同時間段之間的先后順序與潛在的關(guān)聯(lián);人類相似行為之間的敏感性，由于許多不同行為之間具有相似的片段;人類行為的復雜性，對于同一種行為具有不同的表現(xiàn)方式。本文研究稀疏表示行為識別的根本目的在于:加強模型對于特征向量的表達能力，從而使框架能

2、夠更加準確地進行識別。
　　縱觀現(xiàn)如今提出的主流特征提取方法，其中大多數(shù)方法對于行為潛在規(guī)律挖掘得不足，導致提取出的特征表達能力較弱。而且，這些特征中涉及過多重復性的傳感器事件信息，使得特征冗余性很強。此外，這些模型對于不同智能家居的環(huán)境的通用性不強。
　　為了解決這些行為的時序性與復雜性等難題，本文首先提出了基于特征提取的日常行為識別方法，使用粗糙集挖掘行為特征之間的規(guī)律，目的在于提取出行為中更多的信息，進而提高行為的表達