场景感知(context awareness)计算是智能交互的关键技术,也是物联网研究领域的重要课题。现实生活中,应用在不同场景下所提供的服务有所不同。而场景感知为上层应用提供重要的环境信息,使得应用根据环境信息调整运行策略,使得服务更加智能化。随着移动互联网的发展,应用的使用场景呈现多元化和动态化的特点。而应用产生数据的方式却相对单一,包含各个场景的信息。这给数据在不同场景下的应用带来了不便,同时,数据规模的增加也为数据的处理带来了挑战。本文以天气可穿戴设备数据为研究对象,结合目前天气数据采集现状,对室内/室外场景识别问题进行探索。目前已知的大部分的室内/室外场景探测方法需要人工进行数据标记。但是对于大规模数据采集工作而言,对大量数据进行人工标记显得不太现实。这样,采用监督或者半监督的方法对数据进行场景区分显得尤为困难。本文中提出了一种基于可穿戴设备的无监督室内/室外场景识别方法。该方法对多维的传感数据进行梯度时间序列建模,通过分析可穿戴设备数据在室内/室外场景切换时的特征,提取出该梯度时间序列在室内/室外场景切换时的边界点。根据边界点将传感器时间序列切割成包含相同场景信息的子时间序列。接着,本文建立相似度计算模型,并利用该相似度模型计算每个子时间序列和参考时间。根据计算的结果对传感器时间序列进行场景识别。通过实验分析,该方法在识别室内/室外场景方面具有较高准确度。本文主要贡献如下:(1)针对室内/室外场景识别问题,本文提出了一种基于可穿戴设备的无监督场景识别方法。相比于利用监督学习进行场景识别的方法,该方法无需人工进行数据标记,适合于大规模数据采集应用场景。(2)该方法对传感器数据进行时序建模,提出了室内/室外场景边界点探测算法,并根据提取的边界点将传感器时间序列分割成包含相同场景的子时间序列,利用传感器时间序列与室外场景参考序列的相似性对传感器序列场景进行识别。该方法通过探测时间序列的异常进行场景识别,相比于传统基于规则场景识别方法,该方法对环境的适应性更强。