改进朴素贝叶斯算法基于手机传感器的用户行为识别方法

摘要

本发明提出了一种改进朴素贝叶斯算法基于手机传感器的用户行为识别方法，利用手机传感器采集的原始数据来训练改进的朴素贝叶斯机器学习模型，然后对数据进行分类识别，总体流程包括以下步骤：S1，数据采集与处理；S2，特征提取；S3，分类识别。首先利用智能手机所集成的传感器，采集不同行为下的数据信息并且进行预处理；然后对传感器单轴数据提取标准差、均值、波峰波谷、波峰间隔、相关系数等特征属性，对两轴间数据提取均值比和绝对差均值特征属性；其次利用改进的朴素贝叶斯算法，该算法将属性加权和实例加权相结合，核心是将属性权重纳入朴素贝叶斯分类公式，利用实例加权训练数据估计先验概率和条件概率。最后根据训练集得到各分类的先验概率，然后获得未知类别样本的后验概率，通过比较概率大小得到未知类别样本的分类实现对行为的分类。