基于改进隐马尔科夫模型的鲁棒用户行为识别

何敏 彭岚倩 刘宏立 胡久松

摘 要：提出了一种基于改进隐马尔科夫模型的用户行为识别方法.采用遗传算法用于优化隐马尔科夫模型的初始参数，将混沌算子代替遗传算法中高斯变异算子，以避免传统遗传算法在收敛过程中的停滞和早熟问题，并有效解决传统隐马尔科夫模型中Baum-Welch算法对初始参数敏感的问题.此外，采用UCI中ADLs数据对用户行为进行识别，实验结果表明该方法具有很高的识别率和可靠性.

关键词：隐马尔科夫模型；遗传算法；Baum-Welch算法；用户行为识别

中图分类号：TP391 文献标志码：A

Abstract：An improved Hidden Markov Models （HMM） was proposed to recognize the user's behavior. In order to improve the learning efficiency of Baum-Welch algorithm in HMM， and to solve the problem of initial sensitivity， the improved GA s used to optimize the initial parameters of HMM， in which the Chaos operator is utilized to avoid the problem of stagnation and premature convergence of the traditional GA in the convergence process. Finally， the experiment results based on ADLs data in UCI show the algorithm's availability and reliability for user's behavior recognition.

Key words：Hidden Markov Models； Genetic algorithm； Baum-Welch algorithm； users behavior recognition

随着机器学习算法和人工智能的进步，智能家居领域在中国兴起了浪潮.利用室内布置的智能家居传感器，以无线传感技术采集并记录用户在日常生活中的行为数据，因相似数据中隐含了用户的某种行为模式，通过记录的数据对用户生活习惯建模就可以实现用户行为识别[1-2].用户行为识别技术在运动识别、健康监测、跌倒监测等多个领域得到了研究和应用[3-7]，如文献[3]中介绍了一种基于智能手机传感器的用户行为识别系统；文献[4]介绍了使用可穿戴式设备的惯性传感器来识别人类活动的系统；文献[5]中将用户日常行为识别技术应用到用户健康监测；文献[6]对记录的活动序列进行分析，分析结果应用到惯性导航领域；文献[7]基于智能移动设备对用户行为记录的数据实现了用户行为跟踪；文献[8]利用极速学习机ELM分类器对移动用户行为进行识别，提出一种位置无关的多模型移动用户行为识别方法；……