【摘 要】
:
随着物联网需求增加及Wi-Fi普及,基于Wi-Fi的人体行为识别(Human Activity Recognition,HAR)在智能家居等领域兴起。信道状态信息(Channel State Information,CSI)对识别微变化敏感,但同时受人行为和环境影响,环境改变使数据分布不同,导致系统性能下降。为减少数据再采集和模型重训练等繁重工作,本文探寻行为相关的不变特征,设计一种环境无关的自适
论文部分内容阅读
随着物联网需求增加及Wi-Fi普及,基于Wi-Fi的人体行为识别(Human Activity Recognition,HAR)在智能家居等领域兴起。信道状态信息(Channel State Information,CSI)对识别微变化敏感,但同时受人行为和环境影响,环境改变使数据分布不同,导致系统性能下降。为减少数据再采集和模型重训练等繁重工作,本文探寻行为相关的不变特征,设计一种环境无关的自适应识别系统DSANAR。主要研究内容和贡献如下:(1)基于主特征选择的CSI预处理及定界。本文分析CSI振幅和相位敏感性,选定对环境敏感的振幅。为进一步表征行为,本文利用K-means及SSE联合算法从30个子载波中选择较敏感的子载波簇。本文提出了异常点去除和离散小波变换(Discrete Wavelet Transform,DWT)相结合的数据清洗方法,又提出移动方差侦测法确定CSI中行为边界,减少冗余数据。(2)基于LMMD和DSAN环境无关的人体行为识别。为实现环境无关的跨域识别,本文提出深度子域自适应网络(Deep Subdomain Adaptive Network,DSAN)联合局部最大均值差异(Local Maximum Mean Discrepancy,LMMD)方法,在目标域标签缺失或有限情况下,同时对齐域间同类数据边缘和条件分布。本文提出核函数投影再生核希尔伯特空间,实现更精准数据距离计算。为有效提高网络学习能力,本文提出源域交叉熵和子域自适应联合损失函数。(3)实验设计与分析。本文设定跨域环境及行为类别,搭建实验平台并完成采集CSI,将DSANAR与现有模型就冻结层数、输入变量、损失函数及跨域识别等方面做性能评估。实验表明,迁移后模型可标注目标域中无标签数据,子域提出也有效避免相似类别混淆。系统识别准确率平均可达95.6%,优于现工作1.42百分点,系统实现环境无关的跨域识别。
其他文献
随着深度学习技术的快速发展及在安全攸关领域的广泛应用,提升深度学习模型的可靠性变得十分必要。测试作为检测软件系统缺陷的常用技术,也被应用于深度学习模型的错误检测。然而,由于遵循数据驱动的深度学习模型在测试中需要庞大的测试数据集,且需要人工对数据集进行标记,因此,如何在保证测试有效性的同时缩减测试数据集以减少测试成本,成为研究热点问题。本文为了缓解深度神经网络(Deep Neural Network
社交网络的发展方便了人们日常的沟通,促进了用户之间线上的交流,但是也给人们带来了一定的风险。信任在社交活动中起着重要作用,可以有效地规避不可靠用户带来的风险。由于社交网络中的用户大多数没有直接的信任关系,更多的是通过共同的朋友进行间接联系。因此,如何建立起间接用户之间的信任关系,以至构建信任网络成为一项挑战。间接的信任关系可以通过信任传递来进行信任推理,信任传递过程中信任的传播和聚合在很大程度上影
医学影像合成是重要的医学图像处理技术,旨在根据已有模态的医学影像数据构建跨域非线性映射,合成缺失模态医学影像数据。然而,由于医学影像数据高维特征复杂、数据规模庞大,现有方法无法有效地学习特征表示,导致医学影像合成的精确性、保真度和计算效率较低,难以在实际临床应用中开展部署。为此,本文研究两种基于生成对抗学习的医学影像合成方法,提高复杂高维特征的学习能力,改善影像合成计算效率,提升医学影像合成的临床
本文主要研究二次曲面支持向量机的相关模型和算法。传统支持向量机的性能和表现在很大程度上是由其中核函数参数的选取决定的,并且其分类精度容易受到离群点和噪声的影响。由于直接利用二次曲面来分离训练样本点无需使用任何核函数,同时损失函数可以很好地去度量样本真实值和模型预测值之间所存在的差异,本文将变式的逻辑回归损失函数引入二次曲面支持向量机,提出了变式逻辑回归损失函数二次曲面支持向量机(LQSSVM)。在
本文,我们考虑了求解次模最大化问题与两阶段随机非线性规划问题的一阶优化算法.论文的前半部分我们介绍了求解次模最大化问题的相关内容.首先,我们利用具有固定步长的条件梯度算法求解确定的连续Diminishing Returns(DR)-次模最大化问题,在目标函数分别是单调和非单调的情况下,给出了算法的收敛性分析.已有的研究结果主要集中在约束集为下闭凸集的情形,我们则将单调情况下的约束集拓展至一般的凸集
随着锂离子电池的低安全性和锂资源短缺等问题日益凸显,发展新型储能体系迫在眉睫。近年来,水系可充电锌离子电池(AZIBs),以其高功率密度、本质安全及绿色环保等优势,成为后锂电时代的新型储能体系中备受关注的研究热点。结构稳定、高理论比容量的Zn2+宿主正极材料是AZIBs中不可或缺的重要组成部分。其中,锰基化合物MnO2因兼具低成本、高理论比容量和低毒性等优点,被认为是AZIBs中最具前途的正极材料
超级电容器由于其功率密度高、温度特性好以及循环寿命长等特点,已成为储能领域的研究热点,但仍存在着能量密度低,造价高昂等缺点,限制了其大规模商业化使用前景。过渡金属硫族化合物因其理论比容量高、氧化还原反应活性高、价格低廉等优点,成为了超级电容器研究的热点电极材料。然而,过渡金属硫族化合物存在着倍率性能差、循环稳定性低等缺点,严重影响了其在超级电容器的应用。针对这些问题,本论文采用与导电基质复合、微观
快速城市化的平原城市河网水动力条件不足,导致河网自净能力差,污染严重,进一步导致了河流物种多样性的丧失,阻碍城市河流中鱼类等生物生境恢复。提升可控的水动力条件是平原城市河网生态修复的有效手段之一,建立生态模型对生境恢复潜力进行定量表征可为水质水动力提升后平原城市河网生态恢复效应的研究提供借鉴建议,对平原地区城市河流水环境深化改善以及生境恢复潜力发展具有重要理论和实际指导意义。本研究选取中国典型平原
信息科学的飞速发展,使人类的交流逐渐摆脱了单模态的桎梏,通过多模态之间的协同交互来传递信息和交流情感。多模态交互手段的推广,也激发了更多学术界对于多模态研究的关注,而多模态隐喻研究正是多模态语篇研究和跨学科研究相互交织,产生的一个全新的研究方向。本文从多模态机器学习的角度出发,设计了基于双线性池化的多模态隐喻识别模型。本文首先构建了一个多模态隐喻数据集,包含文本和图片两个模态,并且包含多种数据来源
异常检测在现实生活中有着广泛的应用,也越来越受到人们的关注。多个实体之间的复杂交互在社交网络中广泛存在,可以反映出特定的人类行为模式。通过关注这些这些复杂交互关系,有助于检测社交网络中的异常节点。然而,由于现有的图学习方法缺乏一种有效的机制来利用这些复杂的交互关系去检测异常,导致检测结果不准确。为了解决上述问题,本文提出两种新的社交网络异常节点检测算法。针对社交网络异常节点检测问题,本文提出了一种