Dec, 2023

一种面向群组活动识别的因果感知模式挖掘方案

PDF
TL;DR在没有隐私和可访问性问题的智能空间中，基于部署的普适传感器生成的数据流被利用来实现一种高效的群体活动识别方案，该方案从一组用户生成的普适传感器事件序列中提取因果模式，以支持与最先进的图形模型相似的识别准确性。
human activity recognitionpervasive computinggroup activitycausality patternsrecognition accuracy
发现论文，激发创造
  • 了解邻居：智能家居中有效的传感器数据人体活动识别的基于图的方法

    通过学习传感器之间的显式共同触发关系，我们提出了一种新颖的图导向神经网络方法，该方法通过将离散的输入传感器测量映射到特征空间，应用注意机制和节点嵌入的分层汇聚，在 CASAS 数据集上进行实验证明了我们提出的方法在智能家居人体活动识别方面优于现有方法，并将其推向更接近真实世界应用的方向。

    Nov, 2023

  • 对比预测编码用于人类活动识别

    使用 Contrastive Predictive Coding（CPC）框架进行人体活动识别，通过对感应器数据流的长期时间结构的捕捉，得到极好的识别效果，适用于仅有少量标记数据的情况。

    Dec, 2020

  • 基于传感器的人体姿态感知的机器学习技术研究及数据异质性综述

    通过分类数据异构类型、应用相应的适合的机器学习方法、总结可用的数据集并讨论未来的挑战，本论文探讨了机器学习如何解决人体活动识别中的数据异构问题。

    Mar, 2024

  • 智能环境中多居民活动识别调查

    本文对人类活动识别系统的设计和实施进行了简要概述，并总结了在多居民环境中使用这些系统的先前研究成果，提供了对这一领域现状的结论。

    Apr, 2023

  • Action2Activity: 从传感器数据识别复杂活动

    本文提出了一种新的方法，该方法包括临时模式挖掘和自适应多任务学习，用于实现复杂活动识别，实验证明其有效性。

    Nov, 2016

  • HAR-GCNN: 利用深度图卷积神经网络从高度未标记的移动传感器数据中识别人类活动

    提出了一种基于深度图卷积神经网络的人体活动识别方法（HAR-GCCN），该方法利用传感器测量之间的时间相邻性来预测未分类活动的正确标签。通过新的训练策略和数据集，该方法在多个数据集上展现了比现有基线方法优越约 25％和高达 68％的分类准确性。

    Mar, 2022

  • 重新思考具层次感的标签关系建模在人类活动识别中的应用

    通过分析全局标签关系，提出将层次结构作为关键因素，通过图形化标签关系建模进一步改进人类活动识别模型，并验证该提议在复杂人类活动数据上的优势。

    Feb, 2024

  • 使用可穿戴数据的自监督表示进行人类活动识别

    本研究基于一个大规模无标签数据集上学习的自监督表征及浅层多层感知器模型，在未参与训练的真实世界数据集上取得了良好性能，并可通过不同传感器的数据训练，从而实现了设备无关型人体活动识别模型，将有助于增加 HAR 领域中模型评估的标准化。

    Apr, 2023

  • 基于分布式代理的跨个体可穿戴传感器人体活动识别的协作学习

    该论文介绍了一种基于多智能体原理的协作式分布式学习方法，其中配备传感器设备的个体用户在分布式网络中作为代理人，共同贡献于学习和分类人类活动的全面过程。该方法不仅保护了每个个体的活动监测数据的隐私，消除了外部服务器监督学习过程的需求，而且还具备克服传统集中模型限制并适应每个用户的独特属性的潜力。经过在不同环境下对 PAMAP2 和 HARTH 两个公开可访问的人体活动识别数据集的实证测试，提供的实证结果明确突出了个体间协作学习在局部和全局泛化方面相对于集中式配置的功效。

    Nov, 2023

  • 利用可穿戴传感器数据进行无监督嵌入式学习的人体活动识别

    该论文介绍了一种无监督方法，通过基于人类活动的特性将人类活动投射到一个嵌入空间中，在该空间中相似的活动会紧密地聚集在一起，从而帮助聚类算法实现对人类活动的识别和分类，相较于直接应用于原始数据集的非监督技术，我们的方法在识别和分类潜在人类活动方面取得了更好的性能。

    Jul, 2023