维护所需：为智能家居更新和扩展自举式人类活动识别系统

开发用于智能家居的人类活动识别（HAR）系统并不 straightforward，因为住宅布局多样且个性化设置丰富，居民的行为习惯也各不相同。因此，通用的 HAR 系统在单一住宅中仅具有限的有效性，HAR 系统往往需要从零开始构建，这需要大量工作且对居民而言负担较大。先前的工作已成功针对初始阶段进行研究。在初始阶段结束时，我们识别出种子点。我们在自举式 HAR 系统基础上引入一种有效的更新和扩展程序，以持续改进 HAR 系统，旨在适应不断变化的生活状况。该方法利用初始自举阶段识别的种子点。我们使用这些种子点及其获得的标签训练对比学习框架。该模型随后用于提高所识别的突出活动的分段准确性。通过该程序对活动识别系统的改进有助于建模智能家居中大多数例行活动。我们通过在 CASAS 数据集上进行实验，展示了该程序有效性，证明了该方法具有实际价值。