人類活動識別是指通過監(jiān)控用戶的動作和所處的環(huán)境,自動地推斷出用戶意圖的技術,被廣泛應用于公共安全、智慧醫(yī)療等多個領域。在智能家居系統(tǒng)中,人類日�；顒泳哂袕碗s性以及不確定性的特點。Markov邏輯網絡結合了一階邏輯和概率圖模型,是當前解決復雜性和不確定問題較完美的策略。然而在基于MLN的活動識別方法中,閉原子采取硬約束,取值范圍為布爾值,因此限制了識別方法對不確定性事件的表達能力;此外,MLN中最大后驗概率推理問題是整數(shù)線性規(guī)劃問題,較難收斂到最優(yōu)解,因此無論是識別精度,還是推理效率都無法滿足人類活動識別技術的要求。針對MLN方法中存在的不足,本文提出一種基于概率軟邏輯的人類活動識別方法。與MLN僅能表示離散變量不同,PSL對閉原子采取軟約束,增強了模型對不確定性事件的表達能力;此外,PSL使用Lukasiewicz邏輯代替布爾邏輯,松弛其特征函數(shù)的取值范圍到[0,1]區(qū)間,將整數(shù)線性規(guī)劃問題轉化為凸優(yōu)化問題求解,從而在保證推理精度的同時提升了推理的效率。本文的工作如下:針對日�；顒硬淮_定性的特點,提出基于PSL的人類活動識別框架。該框架不僅能夠處理邏輯不確定問題,還提供數(shù)據(jù)不確定問題的... 

【文章來源】：大連海事大學遼寧省 211工程院校

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【部分圖文】：

圖１．１人類活動識別問題的研究類型??Ｆｉｇ．?１．１?Ｔｈｅ?ｒｅｓｅａｒｃｈ?ｔｙｐｅ?ｏｆ?Ｈｕｍａｎ?Ａｃｔｉｖｉｔｙ?Ｒｅｃｏｇｎｉｔｉｏｎ??

１．２活動識別問題描述??單用戶環(huán)境下，基于密集傳感的復合活動識別，可視為多情景信息融合問題。??如圖１．２所示，在ＳＷＥＥＴＨＯＭＥ智能家居項目中，控制模式采用基于用戶命令的聲??控系統(tǒng)，即用戶發(fā)出命令，系統(tǒng)做出響應提供服務。但這些命令往往難以被系統(tǒng)識??另ＩＪ，除去聲音識別的難點之外。用戶命令常常是不完整或模棱兩可的，往往不能從??單一的信息中做出正確的決策。如用戶發(fā)出命令“開亮一些”，在這個簡單的命令??中，智能系統(tǒng)需要考慮兩項任務：（１）開哪一盞燈？（２）把燈開到多大亮度？對于??問題（１），雖然可以通過室內用戶定位來解決（即打開用戶當前位置的燈但對??于其他命令，如“關燈”，這種命令僅僅依靠單一位置信息是無法進行決策的。這??種情形在問題（２）中尤為明顯，如用戶在午夜醒來發(fā)出命令“開亮一點”，決策系??統(tǒng)需要整合位置、時間、用戶狀態(tài)等多種情景信息才能決定最合適的燈的亮度。??Ｗ．?用戶命令——？?ｉ??＿?—翻＂一?｜?Ｉ?Ｉ??Ｓｍａｒｔ?ＨｏＢｓｅ??圖１．２智能家居系統(tǒng)控制模式??Ｆｉｇ．?１．２?Ｔｈｅ?ｃｏｎｔｒｏｌ?ｍｏｄｅｌ?ｏｆ?Ｓｍａｒｔ?Ｈｏｍｅ??鑒于上述觀點可得出如下結論：（ｉ）智能程度不夠

來反映用戶此時正在執(zhí)行的活動。該方法具有小型化、低功耗的優(yōu)勢，最??初被用來檢測家用電器的使用情況，隨著傳感器技術的發(fā)展這一模式逐漸成為監(jiān)控??用戶活動的重要手段［２，３］�；诿芗瘋鞲械幕顒幼R別模型如圖２．１所示，其中，傳感??器被部署在日常設備上檢測用戶交互，經由無線傳感網絡傳輸給活動識別系統(tǒng)。其??數(shù)據(jù)收集模式采取事件驅動的方式，即每觸發(fā)一次傳感器則生成一條數(shù)據(jù)。在該模??式下，人類行為被描述為由交互設備產生的事件序列，而日常活動是這些原子事件??按照某種復雜模型合成的高層情景信息［１２，１６］。鑒于上述優(yōu)點，密集傳感在智能家居??項目中得到了廣泛的研究。例如ＣＡＳＡＳ項目中，研究人員在ＴＷＳＴＢＥＤ公寓內部??署７８個傳感器在家具設備上來監(jiān)測用戶活動，監(jiān)測包括用戶動作、室內溫度等多??個指標。??２．２概率軟邏輯概述??２０１３年概率軟邏輯（Ｐｒｏｂａｂｉｌｉｓｔｉｃ?Ｓｏｆｔ?Ｌｏｇｉｃ，ＰＳＬ?）被美國馬里蘭大學的??Ｋｉｍｍｉｎｇｌ２６］等人首次提出

【參考文獻】：
期刊論文
[1]基于概率軟邏輯模型的實體解析[J]. 宮云寶,甘亮,黃九鳴.  計算機工程. 2017(08)
[2]D-S證據(jù)理論和本體推理互補的活動識別方法[J]. 徐守坤,孔穎,石林,李寧.  計算機工程與應用. 2016(04)
[3]中國人口老齡化地區(qū)差異分解及影響因素研究[J]. 陳明華,郝國彩.  中國人口.資源與環(huán)境. 2014(04)
[4]基于離散事件演算的RFID復合事件的語義表述方法[J]. 趙揚,高學東,王宏智.  中國管理信息化. 2013(12)
[5]基于證據(jù)理論的多傳感器加權融合改進方法[J]. 李軍,鎖斌,李順.  計算機測量與控制. 2011(10)
[6]馬爾可夫邏輯網絡研究[J]. 徐從富,郝春亮,蘇保君,樓俊杰.  軟件學報. 2011(08)
[7]D-S證據(jù)理論合成規(guī)則及沖突問題[J]. 李文立,郭凱紅.  系統(tǒng)工程理論與實踐. 2010(08)
[8]基于證據(jù)可信度的證據(jù)合成新方法[J]. 張盛剛,李巍華,丁康.  控制理論與應用. 2009(07)
[9]事件演算在行動推理中的應用[J]. 楊愛琴,劉一松.  計算機工程與設計. 2008(11)
[10]一種有效處理沖突證據(jù)的組合方法[J]. 鄧勇,施文康,朱振福.  紅外與毫米波學報. 2004(01)

博士論文
[1]基于手機和可穿戴設備的用戶活動識別問題研究[D]. 孫澤浩.中國科學技術大學 2016
[2]基于條件隨機場的智能家居行為識別研究[D]. 仝鈺.大連海事大學 2015
[3]統(tǒng)計關系學習的若干問題研究[D]. 孫舒楊.吉林大學 2006
[4]嵌入式計算機控制系統(tǒng)容錯策略研究[D]. 王平.中國科學院研究生院（上海微系統(tǒng)與信息技術研究所） 2004

碩士論文
[1]改進的隨機交替方向乘子方法[D]. 李瑩瑩.上海大學 2016



本文編號：3324266