用于检测在空间上不同的时间模式的非参数化模型制造技术

一种生成用于时空模式识别的时空模式模型的计算机实现的方法包括接收一个或多个训练轨迹。训练轨迹中的每一者包括表示时空模式的不同数据点。接收到的训练轨迹定义一区域，该区域被划分成一个或多个观察到的集群和一非观察到的补充性集群。时空模式模型被生成以包括观察到的集群和非观察到的补充性集群两者。

【技术实现步骤摘要】
【国外来华专利技术】用于检测在空间上不同的时间模式的非参数化模型相关申请的交叉引用本申请要求于2014年11月6日提交且题为“NONPARAMETRICMODELFORDETECTIONOFSPATIALLYDIVERSETEMPORALPATTERNS(用于检测在空间上不同的时间模式的非参数化模型)”的美国临时专利申请No.62/076,319的权益，其公开内容通过援引全部明确纳入于此。
技术介绍

本公开的某些方面一般涉及机器学习，且更具体地涉及改进检测在空间上不同的时间模式的系统和方法。背景诸如蜂窝电话或个人数字助理(PDA)等移动设备具有若干功能，这些功能中的每一者可通过用户选择唯一键序列或使用屏上菜单来激活。给定移动设备上能够提供的有限数目的控件，在移动设备提供增加的特征集时，访问所有特征可变得愈加复杂。最近，一些移动设备已被设计成包括通过识别用户控制的姿势来接收用户输入的能力。一些设备可通过触摸屏界面接收用户控制的姿势，而其他设备可被配置成通过获取图像并实现计算机视觉办法以跟踪用户输入来接收用户控制的姿势。姿势识别的一个重要方面是识别所得的轨迹数据中的已知模式的能力。然而，比划或打手势来作出本文档来自技高网...

【技术保护点】
一种生成用于时空模式识别的时空模式模型的计算机实现的方法，所述方法包括：接收多个训练轨迹，每一训练轨迹包括表示时空模式的多个不同数据点，接收到的训练轨迹定义一区域；将所述区域划分成多个观察到的集群和一非观察到的补充性集群；以及生成所述时空模式模型以包括所述观察到的集群和所述非观察到的补充性集群。

【技术特征摘要】
【国外来华专利技术】2014.11.06 US 62/076,319;2015.11.05 US 14/933,9761.一种生成用于时空模式识别的时空模式模型的计算机实现的方法，所述方法包括：接收多个训练轨迹，每一训练轨迹包括表示时空模式的多个不同数据点，接收到的训练轨迹定义一区域；将所述区域划分成多个观察到的集群和一非观察到的补充性集群；以及生成所述时空模式模型以包括所述观察到的集群和所述非观察到的补充性集群。2.如权利要求1所述的方法，其特征在于，所述区域是通过应用随机过程来划分的，并且所述观察到的集群中的每一者的范围是基于一个或多个随机过程参数来确定的。3.如权利要求2所述的方法，其特征在于，所述随机过程是Dirichlet过程混合模型。4.如权利要求2所述的方法，其特征在于，所述随机过程是两参数Pitman-Yor过程。5.如权利要求2所述的方法，其特征在于，生成所述时空模式模型包括基于所述随机过程来创建隐马尔科夫模型。6.如权利要求5所述的方法，其特征在于，进一步包括修改所述隐马尔科夫模型的观察表以包括所述非观察到的补充性集群。7.如权利要求5所述的方法，其特征在于，进一步包括在所述隐马尔科夫模型的似然性高于预定阈值时，将接收到的轨迹识别为时空匹配。8.如权利要求7所述的方法，其特征在于，进一步包括使用所述随机过程来确定包括所述非观察到的补充性集群在内的哪一集群对应于接收到的轨迹的每一数据点。9.如权利要求2所述的方法，其特征在于，进一步包括确定所述多个训练轨迹中包括的数据点中的至少两者的协方差回归并使用所确定的协方差回归来确定所述一个或多个随机过程参数。10.如权利要求9所述的方法，其特征在于，所述协方差回归包括高斯过程协方差回归。11.如权利要求1所述的方法，其特征在于，所述时空模式包括表示字母数字字符、符号、或鼠标/触摸控制中的至少一者的的输入姿势。12.一种用于生成用于时空模式识别的时空模式模型的装置，所述装置包括：存储器；以及耦合至所述存储器的至少一个处理器，所述至少一个处理器被配置成：接收多个训练轨迹，每一训练轨迹包括表示时空模式的多个不同数据点，接收到的训练轨迹定义一区域；将所述区域划分成多个观察到的集群和一非观察到的补充性集群；以及生成所述时空模式模型以包括所述观察到的集群和所述非观察到的补充性集群。13.如权利要求...

【专利技术属性】
技术研发人员：A·沙麦，
申请(专利权)人：高通股份有限公司，
类型：发明
国别省市：美国,US