北京航空航天大学学报 ›› 2016, Vol. 42 ›› Issue (2): 218-226.doi: 10.13700/j.bh.1001-5965.2015.0085

• 论文 • 上一篇    下一篇

面向智能环境的活动模式迁移学习

汪成亮1,2, 王云鹏1   

  1. 1. 重庆大学计算机学院, 重庆 400044;
    2. 重庆大学信息物理社会可信服务计算教育部重点实验室, 重庆 400044
  • 收稿日期:2015-02-06 出版日期:2016-02-20 发布日期:2016-03-01
  • 通讯作者: 汪成亮,Tel.:023-65111874 E-mail:wangcl@cqu.edu.cn E-mail:wangcl@cqu.edu.cn
  • 作者简介:汪成亮 男,博士,教授。主要研究方向:无线传感网络、车联网和智能环境等。Tel.:023-65111874 E-mail:wangcl@cqu.edu.cn
  • 基金资助:
    国家自然科学基金(61004112);中央高校基本科研业务费专项资金(CDJZR12180006)

Transfer learning for activity pattern in smart environment

WANG Chengliang1,2, WANG Yunpeng1   

  1. 1. College of Computer Science, Chongqing University, Chongqing 400044, China;
    2. Key Laboratory of Dependable Service Computing in Cyber Physical Society, Ministry of Education, Chongqing University, Chongqing 400044, China
  • Received:2015-02-06 Online:2016-02-20 Published:2016-03-01

摘要: 针对智能环境中活动模式的学习和挖掘花销大、难以实际操作等问题,提出了能够有效地将已有活动模式迁移到新环境的整体框架。迁移学习框架将活动模式的迁移过程分解为轨迹的迁移和触发持续时间的迁移,首先对已有活动模式中的活动轨迹以及触发持续时间模糊化;然后采用备选轨迹生成(ATSG)算法在新环境中生成备选轨迹集;最后采用相似度计算(SC)算法进行活动模式中的轨迹与备选轨迹间的匹配,利用活动轨迹映射(TM)算法和触发持续时间迁移(TDT)算法对活动信息进行迁移,从而在新环境中得到活动模式。理论分析和实验结果表明,相比于基于频繁模式挖掘得到活动模式的方法,本文方法大幅度地降低了得到活动模式所需的时间开销,同时,利用本文方法获取的活动模式取得了较好的活动识别效果。

关键词: 智能环境, 迁移学习, 活动模式, 活动轨迹, 触发持续时间

Abstract: Due to huge costs and operational difficulties in learning and mining activity patterns in smart environment, we propose a framework for activity pattern transfer. The process of activity pattern transfer is divided into two parts: trajectory transfer and trigger duration transfer. Firstly, fuzzify the trajectories and trigger durations in the existing activity patterns. Secondly, generate alternative trajectory set through alternative path set generation (ATSG) algorithm in a new environment. Finally, map the trajectories from activity patterns and trajectories from alternative trajectory set through similarity computing (SC) algorithm, and transfer activities' information through trajectory mapping (TM) algorithm and trigger duration transfer (TDT) algorithm. Thus, activity patterns are transferred to the new environment. Theoretical analysis and experimental results show that, compared to frequent pattern mining, the method in our paper can substantially reduce time overhead of obtaining activity patterns in new environment. At the same time, it performs well in recognizing activities.

Key words: smart environment, transfer learning, activity pattern, activity trajectory, trigger duration

中图分类号: 


版权所有 © 《北京航空航天大学学报》编辑部
通讯地址:北京市海淀区学院路37号 北京航空航天大学学报编辑部 邮编:100191 E-mail:jbuaa@buaa.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发