《中文版Activity Learning——從感測器數據中發現、識別和預測人的行為》是清華大學出版社的圖書。
基本介紹
內容簡介,目錄,
內容簡介
定義了從感測器數據學習活動模型的概念提出了該核心領域中的關鍵算法 《中文版Activity Learning——從感測器數據中發現、識別和預測人的行為》一書深入分析了感測器數據的活動學習的計算方法。每章都提供了實用且詳細的步驟，介紹了如何分析和處理感測器數據。該書介紹了以下活動學習的方法： ◆ 發現基於行為的感測器數據中出現的活動模式 ◆ 實時識別預定義或被發現的活動的出現 ◆ 預測活動的出現本書介紹的方法適用於許多領域，如安全、電信、醫療保健、智慧型電網、住宅自動化。本書的線上網站允許讀者測試本書介紹的方法，並且可以修改供自己使用。本書將重點放在計算方法上，因此為研究生和研究人員提供活動學習的算法。
目錄
第1章引言 1
第2章活動 7
2.1活動的定義 7
2.2活動的分類 10
2.3補充閱讀 10
第3章感測技術 15
3.1用於活動學習的感測器 16
3.1.1環境感測器 16
3.1.2可隨身佩戴的感測器 21
3.2感測器數據集樣本 22
3.3特徵量 26
3.3.1序列特徵量 28
3.3.2離散事件特徵量 30
3.3.3統計特徵量 34
3.3.4譜特徵量 43
3.3.5活動背景的特徵量 45
3.4多感測器融合 46
3.5補充閱讀 51
第4章機器學習 55
4.1監督學習 55
4.2樸素貝葉斯分類器 60
4.3高斯混合模型 65
4.4隱馬爾可夫模型 68
4.5決策樹 73
4.6支持向量機 76
4.7條件隨機場 84
4.8分類器的組合模型 86
4.8.1提升 86
4.8.2袋化 88
4.9降維技術 89
4.10補充閱讀 98
第5章活動識別 101
5.1活動分割 103
5.2滑動視窗 109
5.2.1時基視窗分割 110
5.2.2基於大小的視窗分割 111
5.2.3給視窗內的事件分配權值 113
5.2.4動態視窗大小 119
5.3無監督分割 121
5.4性能測量 126
5.4.1基於分類器的活動識別性能指標 129
5.4.2基於事件的活動識別性能指標 135
5.4.3評估活動識別的實驗框架 139
5.5補充閱讀 141
第6章活動發現 145
6.1零樣本學習 147
6.2序列挖掘 149
6.2.1基於頻率的序列挖掘 151
6.2.2基於壓縮比的序列挖掘 153
6.3聚類 159
6.4主題模型 162
6.5性能測量指標 165
6.6補充閱讀 169
第7章活動預測 171
7.1活動序列預測 172
7.2活動預報 180
7.3基於機率圖的活動預測 186
7.4基於規則的活動時序預測 189
7.5性能測量 193
7.6補充閱讀 200
第8章活動學習存在的實際問題 203
8.1收集帶標籤的感測器數據 203
8.2遷移學習 217
8.2.1實例遷移和標籤遷移 222
8.2.2無共生數據的特徵遷移 226
8.2.3有共生數據的知情特徵遷移 228
8.2.4用教師-學生模型實現共生數據的不知情特徵遷移 230
8.2.5用特徵空間對齊方法實現共生數據的不知情特徵遷移 232
8.3多標籤學習 233
8.3.1問題變換 236
8.3.2標籤相關性利用 238
8.3.3多標籤學習算法的性能評估 244
8.4多個體的活動學習 246
8.4.1學習群體活動 246
8.4.2訓練一個測試多個 251
8.4.3分離事件流 254
8.4.4跟蹤多用戶 258
8.5補充閱讀 261
第9章活動學習的實際套用 267
9.1健康 267
9.2活動感知服務 271
9.3安全與應急處理 274
9.4活動重構、表示和可視化 275
9.5分析人類的動態行為 282
9.6補充閱讀 287
第10章活動學習的未來 291
附錄A活動樣本數據 297
附錄B參考文獻 323
