随着人们对于生活舒适度和健康监测的关注度的提高,依托于无线传感网络技术的智能环境正在得到逐步深入的研究和日益广泛的应用,其兴起使得通过智能环境对老年人,小孩,病人等人群进行自动看护已成为可能。活动识别作为智能环境部署和实施的重要基础,其实现需要以活动模式知识作为指导。然而现阶段的活动模式获取方法主要面临两方面问题,一是活动模式的空间适应性问题;二是活动模式获取的时间消耗问题。这两方面的问题影响到智能环境的部署和实施效率,增大了智能环境的部署和实施成本,这也是现阶段智能环境难以大范围普及的重要原因之一。因此,快速且有效地获取适应于当前智能环境的活动模式知识是智能环境研究中急需解决的问题之一。本文在面向智能环境的活动模式获取方法研究方面的主要工作包括以下几个部分:1)研究已有的活动数据学习及活动模式获取方法,在此基础上总结各活动模式学习方法的特点,并结合快速有效获取活动模式的目标,指出迁移学习方法是一种理想的活动模式获取途径。2)针对活动的时间特性和空间特性,本文建立了能够支撑活动模式有效迁移的活动模型。为满足活动模式的迁移学习需要,对活动信息进行了预处理:考虑到不同类型节点对活动的影响程度不同,引入了节点影响度的定义,对活动轨迹进行加权化处理;考虑到时间信息的模糊性,采用三角隶属度函数对触发持续时间进行模糊化处理。3)针对活动模式迁移学习,本文设计了活动轨迹映射算法和触发持续时间迁移算法,共同构成了能够有效地将活动模式进行迁移的算法框架。利用智能环境仿真平台和Matlab进行了仿真实验,验证了本文迁移学习算法框架的可行性和有效性。4)考虑到活动信息表示方法的不唯一性,本文采用集合化的形式重新定义活动模型,在此基础上提出了基于集合化信息的活动模式迁移学习框架。5)为解决智能环境实验不易实际开展的问题,本文设计并开发了智能环境仿真平台Smart Environment Simulator Tool,实现了活动监测功能、活动仿真功能和活动模式模拟数据获取功能,为智能环境相关实验提供了更为丰富的实验平台。