公开(公告)号：CN109685125A

公开(公告)日：2019-04-26

申请号：CN201811537184.X

申请日：2018-12-14

Applicant: 大连海事大学

Inventor： 刘亚清 ,  翟正国 ,  王湘鑫 ,  王思文 ,  宋溢洋

IPC: G06K9/62 ,  G06K9/66 ,  G06F16/35

CPC classification number: G06K9/6256 ,  G06K9/6267 ,  G06K9/66

Abstract: 本发明提供一种基于频繁传感器事件序列的日常行为特征挖掘及计算方法，包括：识别模型训练和行为识别测试两阶段；识别模型训练包括：通过设置的多个非入侵式传感器采集居民日常行为按照时间顺序连续地触发的传感器事件序列；对采集到的传感器事件序列进行预处理，预处理将传感器事件序列分割为多个以日常行为为单位的子序列；挖掘频繁出现的传感器事件序列，作为居民日常行为的特征；计算居民日常行为在特征上的取值。本发明克服了预定义特征和离散特征的缺点，使用频繁序列模式挖掘方法全面有效地挖掘到居民日常行为的连续特征，并且提出了特征值的计算算法，因此从理论上讲，使用本发明挖掘出的特征将显著地提升居民日常行为的精确率和召回率。