可穿戴式日常行為語義感知及增強方法

成本低、重量輕、體積小、電池續航時間長、內嵌多種傳感器、計算能力強等特徵，標志著當前移動計算設備的硬件能力已經發展到足以滿足人類日常生活需求的水平。當這些高度集成的計算系統以可穿戴的形式捕捉、存儲、理解甚至響應人們日常生活中的行為時，無疑賦予人類在記憶、挖掘、信息交互等方面的“超能力”，並必將改變人類的日常生活。然而，為達到這一目標，必須再賦予可穿戴式計算像人一樣進行語義理解的“軟能力”。這就需要充分應用當前人工智能算法、語義網、大數據等技術對可穿戴式設備所採集的多媒體數據進行深度理解，以一種便於與人類溝通的內容形式呈現給用戶，以構建個性化的應用。本書以可穿戴式日常行為感知這一多媒體大數據的研究為題，從可穿戴式視覺採集設備所記錄的多媒體信息的語義理解出發，分別介紹了這種語義感知的基本思路、流程和技術，並結合實際應用，研究了系統的方法架構，並對主要的技術模塊進行說明和評估。由於本研究涉及可穿戴式數據採集、多媒體信息檢索、語義感知、大數據處理、人機交互和人機界面等多學科，因此可以作為電腦應用領域的研究人員，尤其是多媒體和大數據以及信息檢索、人機交互方向的科研人員的參考書。對新技術和新興產業如可穿戴式計算技術和設備等感興趣的讀者也可以參考本書的內容，以提高對相關領域技術和應用的認識。

目錄

第1章可穿戴式產品簡介1

1.1背景介紹1

1.2可穿戴式產品的市場及應用2

1.3典型可穿戴式感知設備5

1.4本章小結9

參考文獻10第2章可穿戴式語義感知的相關研究現狀11

2.1可穿戴式感知的應用現狀11

2.2多媒體語義檢索研究現狀14

2.3多概念探測研究現狀16

2.4概念驅動的行為識別現狀17

2.5本章小結17

參考文獻18第3章基於語義的視覺媒體處理24

3.1特徵提取及表示24

3.1.1低層特徵24

3.1.2高層特徵26

3.2基於內容和基於概念的檢索26

3.2.1基於內容的檢索26

3.2.2基於概念的檢索27

3.2.3概念選擇/查詢擴展27

3.3以事件為中心的媒體處理27

3.4日常行為感知及挑戰29

3.4.1日常行為感知——以SenseCam為例29

3.4.2可穿戴式行為感知處理框架31

3.4.3面臨的新挑戰32

3.5本章小結34

參考文獻35第4章可穿戴式日常行為語義空間39

4.1事件相關的概念分佈特徵39

4.2基於事件語義的視覺處理41

4.3事件語義空間42

4.3.1日常活動的選擇42

4.3.2主題相關的概念44

4.3.3事件語義空間形式化45

4.3.4語義空間構建用戶實驗46

4.4語義空間中的概念關系47

4.4.1基於分類學的詞匯相似度48

4.4.2上下文本體相似度和相關性50

4.5語義概念在事件表示中的應用51

4.5.1基於興趣度的概念聚合51

4.5.2一種VSM形式的語義表示53

4.5.3應用效果分析55

4.6本章小結58

參考文獻58第5章訓練無關的語義概念增強方法62

5.1方法出發點62

5.2方法描述63

5.2.1概念探測結果分解64

5.2.2集成概念本體66

5.2.3收斂性證明67

5.2.4近鄰相似性傳播68

5.3語義平滑的索引增強69

5.3.1算法形式化69

5.3.2概念相關性的外部推理70

5.4實驗及結果討論71

5.4.1在數據集一上的評估結果71

5.4.2在數據集二上的評估結果74

5.4.3不同語義在算法中的作用75

5.4.4算法效率分析78

5.4.5引入語義平滑約束78

5.5本章小結80

參考文獻80第6章基於外部知識的檢索增強方法83

6.1語義多概念探測83

6.1.1創建概念本體84

6.1.2基於本體的多概念探測優化87

6.2基於語義密度的概念選擇89

6.2.1文本預處理91

6.2.2合取概念的相似度91

6.2.3基於密度的概念選擇92

6.3利用相似度進行概念排序95

6.3.1概念相似度模型95

6.3.2相似度排序96

6.4實驗分析96

6.4.1多概念探測評估96

6.4.2概念選擇評估102

6.5本章小結110

參考文獻110第7章概念的動態組織及時序行為識別112

7.1方法框架描述113

7.2基於動態語義屬性的行為識別114

7.2.1基於HMM的行為識別方法115

7.2.2用HMM費舍爾核進行活動分類119

7.2.3基於HCRF的行為識別方法120

7.3時間感知的概念探測增強122

7.3.1基於WNTF的索引增強方法122

7.3.2有效性分析124

7.3.3計算復雜度分析124

7.4實驗和評估125

7.4.1實驗數據集126

7.4.2基於WNTF的概念探測增強評估128

7.4.3基於HMM的日常行為識別評估129

7.4.4基於HMM費舍爾核行為識別評估132

7.4.5基於HCRF行為識別評估135

7.5本章小結138

參考文獻139第8章概念驅動的行為識別影響要素分析141

8.1背景介紹141

8.2實驗數據集143

8.3實驗方法144

8.4實驗結果146

8.5結果討論148

8.6本章小結150

參考文獻150第9章事件建模和上下文增強152

9.1語義表示和模型語言152

9.1.1本體153

9.1.2資源描述框架（RDF/RDFS）154

9.1.3OWL155

9.2上下文事件增強框架156

9.2.1一個說明場景156

9.2.2基於多上下文的事件本體156

9.2.3EventCube： 一個增強的事件冊158

9.3事件語義增強和查詢160

9.3.1關聯開放數據和SPARQL查詢160

9.3.2位置增強162

9.3.3社交上下文增強164

9.4事件語義增強用例165

9.4.1用例設置165

9.4.2社交上下文增強的語義對齊167

9.4.3事件為中心的增強應用168

9.5本章小結169

參考文獻170