發(fā)布時(shí)間：2023-05-08 00:42

　　隨著大數(shù)據(jù)和物聯(lián)網(wǎng)的發(fā)展,人類活動(dòng)識(shí)別的研究在普適計(jì)算領(lǐng)域所占比重越來越大。同時(shí)研究人員出于對(duì)個(gè)人隱私的保護(hù),在活動(dòng)識(shí)別領(lǐng)域,基于傳感器數(shù)據(jù)的人類日常活動(dòng)識(shí)別變得越來越受歡迎。近幾年來,深度學(xué)習(xí)以及硬件設(shè)備顯卡與GPU加速功能的不斷發(fā)展,深度學(xué)習(xí)模型在計(jì)算機(jī)的各項(xiàng)應(yīng)用領(lǐng)域的比賽中都獲得優(yōu)秀的成績(jī)。因此,本文主要基于傳感器數(shù)據(jù)和深度學(xué)習(xí)對(duì)活動(dòng)識(shí)別領(lǐng)域的識(shí)別活動(dòng)的方法進(jìn)行研究。本文在研究的過程中發(fā)現(xiàn),針對(duì)用戶A訓(xùn)練的深度學(xué)習(xí)模型難以對(duì)用戶B進(jìn)行有效的識(shí)別。模型(在不同人之間)遷移的效果是制約活動(dòng)識(shí)別模型和方法在實(shí)際中應(yīng)用的關(guān)鍵。目前學(xué)術(shù)界對(duì)活動(dòng)識(shí)別領(lǐng)域深度學(xué)習(xí)模型的遷移問題仍鮮有研究,其效果、機(jī)理、影響因素等仍不清晰。因此,本文主要針對(duì)在不同人之間進(jìn)行深度模型遷移開展了實(shí)證研究,對(duì)CNN提取的特征進(jìn)行了可視化和分布分析,探索并對(duì)比了典型無監(jiān)督遷移方法和半監(jiān)督遷移(對(duì)目標(biāo)域而言)方法的可行性及其優(yōu)缺點(diǎn)。最終,本文提出了活動(dòng)識(shí)別領(lǐng)域的一種Center Loss與MMD聯(lián)合的無監(jiān)督遷移方法。在基于傳感器數(shù)據(jù)的活動(dòng)識(shí)別方法研究部分,本文主要分為以下3個(gè)部分進(jìn)行方法研究,首先是判別式深度模型的活動(dòng)識(shí)...

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題來源
    1.2 研究背景與意義
    1.3 國(guó)內(nèi)外研究綜述
        1.3.1 活動(dòng)識(shí)別的應(yīng)用領(lǐng)域
        1.3.2 活動(dòng)識(shí)別的傳感器類型
        1.3.3 活動(dòng)識(shí)別的深度學(xué)習(xí)模型
        1.3.4 活動(dòng)識(shí)別的遷移學(xué)習(xí)方法
    1.4 本文的主要研究?jī)?nèi)容及章節(jié)安排
第2章 基于傳感器數(shù)據(jù)的活動(dòng)識(shí)別方法研究
    2.1 基于傳感器數(shù)據(jù)的活動(dòng)識(shí)別方法定義與難點(diǎn)挑戰(zhàn)
    2.2 整體研究方案
        2.2.1 傳感器數(shù)據(jù)預(yù)處理
        2.2.2 活動(dòng)識(shí)別領(lǐng)域的判別式深度模型
        2.2.3 活動(dòng)識(shí)別領(lǐng)域的生成式深度模型
        2.2.4 活動(dòng)識(shí)別領(lǐng)域的混合式深度模型
    2.3 活動(dòng)識(shí)別領(lǐng)域基于傳感器數(shù)據(jù)的深度學(xué)習(xí)模型評(píng)估
        2.3.1 UCI human activity recognition using smartphones數(shù)據(jù)集
        2.3.2 UniMiB SHAR數(shù)據(jù)集
        2.3.3 OPPORTUNITY數(shù)據(jù)集
        2.3.4 活動(dòng)識(shí)別的深度學(xué)習(xí)模型網(wǎng)絡(luò)結(jié)構(gòu)對(duì)比分析
        2.3.5 活動(dòng)識(shí)別領(lǐng)域基于傳感器數(shù)據(jù)的深度學(xué)習(xí)模型對(duì)比分析
    2.4 本章小結(jié)
第3章 活動(dòng)識(shí)別領(lǐng)域深度遷移的實(shí)證研究
    3.1 活動(dòng)識(shí)別領(lǐng)域不同人之間遷移問題定義
    3.2 整體研究方案
        3.2.1 基礎(chǔ)的深度學(xué)習(xí)模型
        3.2.2 無監(jiān)督遷移學(xué)習(xí)
        3.2.3 半監(jiān)督遷移學(xué)習(xí)
    3.3 活動(dòng)識(shí)別領(lǐng)域DANN與FINE-TUNE遷移方法評(píng)估
        3.3.1 CNN提取特征分析
        3.3.2 DANN實(shí)驗(yàn)結(jié)果分析
        3.3.3 Fine-tune實(shí)驗(yàn)結(jié)果分析
    3.4 活動(dòng)識(shí)別領(lǐng)域DANN與FINE-TUNE遷移的評(píng)估與結(jié)論
    3.5 本章小結(jié)
第4章 基于CENTER LOSS與MMD的遷移方法研究
    4.1 整體研究方案
    4.2 CENTER LOSS與MMD聯(lián)合損失函數(shù)遷移方法
        4.2.1 Center Loss數(shù)據(jù)特征表示方法
        4.2.2 MMD遷移方法
        4.2.3 Center Loss與MMD聯(lián)合損失函數(shù)
    4.3 活動(dòng)識(shí)別領(lǐng)域無監(jiān)督遷移方法評(píng)估
        4.3.1 MMD實(shí)驗(yàn)結(jié)果分析
        4.3.2 Center Loss與MMD聯(lián)合損失實(shí)驗(yàn)結(jié)果分析
        4.3.3 DANN實(shí)驗(yàn)結(jié)果分析
        4.3.4 WD實(shí)驗(yàn)結(jié)果分析
    4.4 本章小結(jié)
第5章 基于安卓手機(jī)的活動(dòng)識(shí)別遷移方法測(cè)試與評(píng)估
    5.1 基于安卓手機(jī)的活動(dòng)識(shí)別傳感器數(shù)據(jù)采集說明
    5.2 基于無監(jiān)督遷移方法測(cè)試與評(píng)估
    5.3 基于無監(jiān)督遷移方法特征可視化分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝



本文編號(hào)：3811646