基于智能手机多传感器变化的日常行为识别方法研究

摘要

为提高日常行为识别准确度的同时使应用具有更强的便捷性,提出基于智能手机中4种无需许可传感器数据对5种日常行为进行识别的方法。在分析Android系统传感器框架的基础上开发集成了一个小型应用程序进行数据采集处理,然后利用机器学习算法实现手机用户的行为特征识别,目标是实现个人行为准确及时且长期有效的动态监督或预测。实验结果表明,改进马尔可夫链算法与SVM分类器结合使用结果最优,测试识别准确率可接近95%,精确度、召回率等其他指标均呈现很好的效果。