一种用户行为识别方法及移动终端技术

本发明专利技术公开了一种用户行为识别方法，在移动终端中执行，移动终端包括至少一个传感器，传感器适于采集移动终端的多项状态信息，该方法包括：按照预定频率获取预定时长内的多组传感器数据，每组传感器数据包括上述至少一个传感器所采集的多项状态信息；将多组传感器数据输入预设的用户行为识别模型，以确定用户行为类型，其中，用户行为识别模型包括去相关模块和分类模块，去相关模块适于对上述多组传感器数据进行去相关处理，以消除每组传感器数据中的各项状态信息的相关性，得到目标数据，分类模块适于对目标数据进行处理，以确定用户行为类型。本发明专利技术一并公开了相应的移动终端。

【技术实现步骤摘要】
一种用户行为识别方法及移动终端
本专利技术涉及移动终端数据处理
，尤其涉及一种用户行为识别方法及移动终端。
技术介绍
随着移动互联网行业的发展和智能移动终端的不断进化，现在主流的移动终端，特别是智能手机上都搭载了很多类型的传感器，比如加速度传感器、陀螺仪、重力传感器、磁场传感器，以及温度、气压传感器等。移动终端的传感器所提供的数据与当前携带该移动终端的用户的行为具有较强的相关性。采用传感器数据样本来训练机器学习模型(例如随机森林、神经网络等)，然后采用训练好的机器学习模型对实时传感器数据进行分析，可以识别出用户当前的行为类型。某些传感器可以采集多项数据(例如加速度传感器可以采集xyz轴的加速度信息)，同一个传感器所采集到的多项数据往往存在较大的线性相关性，这意味着传感器采集到的数据存在大量的信息冗余，这会影响模型训练的收敛速度以及最终的泛化性能，降低用户行为识别的准确性。此外，由于移动终端的存储和运算能力有限，因此需要提供一种复杂度低、运行速度快、准确性高的用户行为识别方法。
技术实现思路
为此，本专利本文档来自技高网...

【技术保护点】
1.一种用户行为识别方法，在移动终端中执行，所述移动终端包括至少一个传感器，所述传感器适于采集所述移动终端的多项状态信息，所述方法包括：/n按照预定频率获取预定时长内的多组传感器数据，每组传感器数据包括所述至少一个传感器所采集的多项状态信息；/n将所述多组传感器数据输入预设的用户行为识别模型，以确定用户行为类型，其中，所述用户行为识别模型包括去相关模块和分类模块，/n所述去相关模块适于对所述多组传感器数据进行去相关处理，以消除每组传感器数据中的各项状态信息的相关性，得到目标数据，/n所述分类模块适于对所述目标数据进行处理，以确定用户行为类型。/n

【技术特征摘要】
1.一种用户行为识别方法，在移动终端中执行，所述移动终端包括至少一个传感器，所述传感器适于采集所述移动终端的多项状态信息，所述方法包括：
按照预定频率获取预定时长内的多组传感器数据，每组传感器数据包括所述至少一个传感器所采集的多项状态信息；
将所述多组传感器数据输入预设的用户行为识别模型，以确定用户行为类型，其中，所述用户行为识别模型包括去相关模块和分类模块，
所述去相关模块适于对所述多组传感器数据进行去相关处理，以消除每组传感器数据中的各项状态信息的相关性，得到目标数据，
所述分类模块适于对所述目标数据进行处理，以确定用户行为类型。


2.如权利要求1所述的方法，其中，所述传感器包括加速度传感器和陀螺仪，所述每组传感器数据包括：
所述加速度传感器采集的所述移动终端在xyz三个坐标轴方向上的加速度信息；以及
所述陀螺仪采集的所述移动终端绕xyz三个坐标轴旋转的角速度信息。


3.如权利要求1或2所述的方法，其中，所述去相关模块适于按照以下步骤对所述多组传感器数据进行去相关处理：
对所述多组传感器数据进行中心化处理，使处理后的每项状态信息的均值为0，得到中心化数据；
确定所述中心化数据的变换矩阵，将所述中心化数据与所述变换矩阵相乘，以得到目标数据，
其中，所述变换矩阵使得所述目标数据的协方差矩阵为单位矩阵，从而消除各项状态信息的相关性。


4.如权利要求3所述的方法，其中，所述变换矩阵按照以下步骤确定：
计算所述中心化数据的协方差矩阵Σ；
对所述协方差矩阵Σ进行奇异值分...

【专利技术属性】
技术研发人员：张夏天，
申请(专利权)人：北京腾云天下科技有限公司，
类型：发明
国别省市：北京;11