PresenceSense：基于电力监测的个体存在检测零训练算法
人机交互
2017-05-03 v1
摘要
在商业建筑中，个体的非侵入式存在检测比被动红外、声学传感器和摄像头等侵入式方法更易于实施。个体电力消耗虽然能为节能提供有用的反馈和激励，但也可作为存在检测的宝贵数据源。我们在办公室环境中进行了试点实验，除了个体电力监测数据外，还通过超声波传感器、加速度传感器和 WiFi 接入点收集了个体存在数据。本研究提出、分析并评估了 PresenceSense (PS)，这是一种基于电力测量的半监督学习算法，仅使用未标记数据进行自我训练。无需通常繁琐且耗时的标记工作，PresenceSense 的表现优于那些在大训练集上优化参数的流行模型。我们对结果进行了解读，并讨论了 PresenceSense 在其他数据源上的潜在应用。本研究的意义在于空间安全、占用行为建模以及插电负载的节能。
引用
@article{arxiv.1407.4395,
title = {PresenceSense: Zero-training Algorithm for Individual Presence Detection based on Power Monitoring},
author = {Ming Jin and Ruoxi Jia and Zhoayi Kang and Ioannis C. Konstantakopoulos and Costas Spanos},
journal= {arXiv preprint arXiv:1407.4395},
year = {2017}
}
备注
BuildSys 2014