面向养老照护的多传感器序列异常行为检测模型

摘要

互联网时代下,传统养老照护模式已经无法适应新型养老行业的发展.因此本文提出一种基于多传感器序列的异常行为检测模型,该模型能够在分布式、无干扰的传感器网络环境中监测老人生活,检测行为异常,并给出健康预警.文中通过类比生物信息学中蛋白质序列的表示方法,将多维传感器序列转换成一维序列.采用词袋模型,将划分后的不等长子序列映射为等长子序列.选择基于Calinski-Harabasz指数的层次聚类算法,识别出用户日常行为模式.最后,结合用户健康状况下日常行为活动的高斯分布,及FRS(Fuzzy Reasoning System)模糊推理系统,检测出用户的异常行为(天).实际数据结果表明,该模型能够有效识别用户的起床、就餐、用药、如厕等多种日常活动及其规律,异常行为天检测的F1均值达到近90%,并给出对比实验.