基於集成學習的多感測器選擇和線上人體行為識別研究

《基於集成學習的多感測器選擇和線上人體行為識別研究》是依託武漢理工大學，由曹菁菁擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於集成學習的多感測器選擇和線上人體行為識別研究
• 項目類別：青年科學基金項目
• 項目負責人：曹菁菁
• 依託單位：武漢理工大學

項目摘要

隨著智慧型家居和可穿戴設備領域的迅速發展，通過配置多個感測器以進行線上識別人體行為的套用日益廣泛。因此，對基於多感測器的線上行為識別系統的開發和完善具有重要的研究意義。然而，目前多感測器行為識別系統仍存在設施布局艱催槓不統一、線上學習識別性能不穩定等推廣套用急需解決的關鍵性難點問題。本項目旨在研究人體行為識別配置中的感測器自適應選擇問題，模型化拳灶分析人體行為識別中多分類器的線上學習問題，在集成學習框架下，結合線上學習和集成差異度等方法以研究針對具有概念演變和類別不平衡特點的人體行為實時數據流的高效識別，並在此基礎上研究自適應策略和分類器選擇方法，最櫃喇匙終實現多感測器的最佳化配置。本項目探索具有普遍性的多感測器人體行為識別理論，實現多感測器選擇的理論創新與技術突破，促進人體行為識蜜悼辣別領域的研究與發展。

結題摘要

本項目針對基於多感測器的人體行為識別問題，利用機器學習的集成學習等理論，經過三年的研究，在可穿戴多感測器選擇，提懂阿線上概念演變檢測、特徵提取、行為標註、狀態識別等方面的理論與方法開展了深入的研究。通過本項目的研究，提出了基於集成剪枝的多感測器自適應最佳化選擇人體行為識別系統，保證可穿戴場景下用戶的個性化和準確度的平衡性；研究了基於拒絕規則的線上學習最佳化人體行為識別問題，減輕了概念演變的負面影響；設計了基於深度學習的特徵提取算法，提高了人體行為識別系統性能；拓展了人體行為自適應和狀態識別系統，有效地套用到駕駛和輪椅等實際場景中。本項目也對深度學習等當前計算機領域的熱點問題和方法展開了相關的前期探索，研究成果具有較強通用性，為進一步研究和套用到基於感測器的人體行為識別問題奠定了堅實的基礎。習府鑽循本項目發表論文10篇，其中SCI檢索3篇，EI檢索6篇，軟著授權1個，培養博士研究生2名，碩士研究舉照婆重生4名，本科生4名。