從傳感器數(shù)據(jù)中發(fā)現(xiàn)、識別和預(yù)測人的行為（中文版）

目    錄 第1章 引言 1 第2章 活動 7 2.1  活動的定義 7 2.2  活動的分類 10 2.3  補(bǔ)充閱讀   10 第3章 傳感技術(shù) 15 3.1  用于活動學(xué)習(xí)的傳感器   16 3.1.1  環(huán)境傳感器   16 3.1.2  可隨身佩戴的傳感器   21 3.2  傳感器數(shù)據(jù)集樣本   22 3.3  特征量 26 3.3.1  序列特征量   28 3.3.2  離散事件特征量   30 3.3.3  統(tǒng)計特征量   34 3.3.4  譜特征量 43 3.3.5  活動背景的特征量 45 3.4  多傳感器融合   46 3.5  補(bǔ)充閱讀   51 第4章 機(jī)器學(xué)習(xí) 55 4.1  監(jiān)督學(xué)習(xí)   55 4.2  樸素貝葉斯分類器   60 4.3  高斯混合模型   65 4.4  隱馬爾可夫模型 68 4.5  決策樹 73 4.6  支持向量機(jī) 76 4.7  條件隨機(jī)場 84 4.8  分類器的組合模型   86 4.8.1  提升 86 4.8.2  袋化 88 4.9  降維技術(shù)   89 4.10  補(bǔ)充閱讀  98 第5章 活動識別 101 5.1  活動分割   103 5.2  滑動窗口   109 5.2.1  時基窗口分割 110 5.2.2  基于大小的窗口分割   111 5.2.3  給窗口內(nèi)的事件分配權(quán)值   113 5.2.4  動態(tài)窗口大小 119 5.3  無監(jiān)督分割 121 5.4  性能測量   126 5.4.1  基于分類器的活動識別性能指標(biāo) 129 5.4.2  基于事件的活動識別性能指標(biāo)   135 5.4.3  評估活動識別的實驗框架   139 5.5  補(bǔ)充閱讀   141 第6章 活動發(fā)現(xiàn) 145 6.1  零樣本學(xué)習(xí) 147 6.2  序列挖掘   149 6.2.1  基于頻率的序列挖掘   151 6.2.2  基于壓縮比的序列挖掘 153 6.3  聚類   159 6.4  主題模型   162 6.5  性能測量指標(biāo)   165 6.6  補(bǔ)充閱讀   169 第7章 活動預(yù)測 171 7.1  活動序列預(yù)測   172 7.2  活動預(yù)報   180 7.3  基于概率圖的活動預(yù)測   186 7.4  基于規(guī)則的活動時序預(yù)測 189 7.5  性能測量   193 7.6  補(bǔ)充閱讀   200 第8章 活動學(xué)習(xí)存在的實際問題   203 8.1  收集帶標(biāo)簽的傳感器數(shù)據(jù) 203 8.2  遷移學(xué)習(xí)   217 8.2.1  實例遷移和標(biāo)簽遷移   222 8.2.2  無共生數(shù)據(jù)的特征遷移 226 8.2.3  有共生數(shù)據(jù)的知情特征遷移 228 8.2.4  用教師-學(xué)生模型實現(xiàn)共生數(shù)據(jù)的不知情特征遷移  230 8.2.5  用特征空間對齊方法實現(xiàn)共生數(shù)據(jù)的不知情特征遷移   232 8.3  多標(biāo)簽學(xué)習(xí) 233 8.3.1  問題變換 236 8.3.2  標(biāo)簽相關(guān)性利用   238 8.3.3  多標(biāo)簽學(xué)習(xí)算法的性能評估 244 8.4  多個體的活動學(xué)習(xí)   246 8.4.1  學(xué)習(xí)群體活動 246 8.4.2  訓(xùn)練一個測試多個 251 8.4.3  分離事件流   254 8.4.4  跟蹤多用戶   258 8.5  補(bǔ)充閱讀   261 第9章 活動學(xué)習(xí)的實際應(yīng)用   267 9.1  健康   267 9.2  活動感知服務(wù)   271 9.3  安全與應(yīng)急處理 274 9.4  活動重構(gòu)、表示和可視化 275 9.5  分析人類的動態(tài)行為 282 9.6  補(bǔ)充閱讀   287 第10章 活動學(xué)習(xí)的未來  291 附錄A 活動樣本數(shù)據(jù)  297 附錄B 參考文獻(xiàn)  323