面向普适传感器空间中群体活动识别的因果感知模式挖掘方案
机器学习
2023-12-04 v1 数据库
摘要
人类活动识别(HAR)是普适计算中的关键挑战，其解决方案已基于多种学科提出。具体地，对于无隐私与可及性问题的智能空间中的 HAR，所部署的普适传感器生成的数据流被加以利用。本文中，我们关注一组用户在无用户标识下执行协作任务的群体活动，并提出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，以支持与最先进图模型相当的识别精度。为从给定数据流中滤除无关噪声事件，利用一组规则来突出因果相关事件。随后，模式树算法通过增长的树结构提取频繁因果模式。基于所提取的模式，基于加权和的模式匹配算法通过匹配事件模式计数计算存储的群体活动对给定测试事件序列的可能性，用于群体活动识别。我们使用从我们的测试床与 CASAS 数据集(用户日常执行任务)收集的数据评估所提方案，并在真实环境中验证其有效性。实验结果表明，所提方案比现有方案具有更高的识别精度且运行时开销很小。
引用
@article{arxiv.2312.00404,
title = {A Causality-Aware Pattern Mining Scheme for Group Activity Recognition in a Pervasive Sensor Space},
author = {Hyunju Kim and Heesuk Son and Dongman Lee},
journal= {arXiv preprint arXiv:2312.00404},
year = {2023}
}