从事件流中无监督发现与刻画活动
人工智能
2012-07-09 v1
摘要
我们提出一个框架，用于从事件流中发现和刻画不同类别的日常活动。我们首先将活动表示为事件n-gram的袋。这使我们能够利用活动的局部事件统计信息来分析其全局结构信息。我们展示了如何利用活动无向边加权图中的最大团，以无监督方式进行活动类别发现。我们展示了如何将活动建模为可变长度马尔可夫过程，用于发现重复事件基序以刻画所发现的活动类别。我们在从多个活跃环境收集的大量数据集上展示了结果，以证明我们提出框架的能力和泛化性。
引用
@article{arxiv.1207.1381,
title = {Unsupervised Activity Discovery and Characterization From Event-Streams},
author = {Rafay Hammid and Siddhartha Maddi and Amos Johnson and Aaron Bobick and Irfan Essa and Charles Lee Isbell},
journal= {arXiv preprint arXiv:1207.1381},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-First Conference on Uncertainty in Artificial Intelligence (UAI2005)