基于联邦个性化随机森林的可穿戴设备活动预测方法技术

本发明专利技术公开基于联邦个性化随机森林的可穿戴设备活动预测方法，将每个用户使用局部敏感哈希函数生成各自的哈希表，通过比较各方哈希表之间的相似样本数据数量，每个用户找到自己相似的用户。每个用户都可以主动发起训练，只寻找与它相似的用户进行联合训练一棵随机决策树，这棵随机决策树是参与训练的用户共同拥有的。在随机决策树的节点划分的过程中使用差分隐私机制保护用户的隐私，各方对计算的信息增益进行扰动，在一方聚合各方扰动后的信息增益，得到候选候选属性集中的最优划分。对于生成的随机决策树，用户通过增量选择得到自己的最终随机森林模型，每个用户的随机森林模型各不相同，个性化的模型更适合用户在自己的数据上做预测。据上做预测。据上做预测。

【技术实现步骤摘要】
基于联邦个性化随机森林的可穿戴设备活动预测方法


[0001]本专利技术涉及联邦学习
，具体涉及一种基于联邦个性化随机森林的可穿戴设备活动预测方法。

技术介绍

[0002]日常生活活动与人们的健康密切相关。近年来，随着可穿戴技术的发展，人们通过使用智能手机、手环、智能眼镜等可穿戴设备来跟踪自己的活动，从而了解自己的健康状况。人工智能技术也将被集成到可穿戴设备中，实现更智能、更具自我意识的应用形态，这种趋势在CES2014电子消费展上已经初现端倪。如根据可穿戴设备收集用户产生的活动数据，以及周围环境等一系列数据，利用已经训练好的机器学习模型准确识别出用户正在进行的活动，这样智能可穿戴设备可以为每个用户提供专属的、个性化的服务。由于人工智能需要需要大量的数据来进行机器学习以获得更好的性能，因此将人工智能运用到可穿戴设备仍然面临两大挑战：一是个人可穿戴设备这种用户量多，需要模型个性化的场景下，算法设计会不同；二是数据以孤岛的形式存在，若收集用户的数据进行集中训练，通过对这些数据的分析推测个人信息，从而导致个人敏感信息遭到泄露。
专利技术内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于联邦个性化随机森林的可穿戴设备活动预测方法，其特征是，包括步骤如下：步骤1、利用局部敏感哈希计算每个参与方的可穿戴设备的所有样本数据的哈希值，每个参与方将样本数据的哈希值构成的哈希表发送给各其他参与方，各其他参与方根据全局哈希表，在不同的参与方之间找到相似的样本数据；步骤2、确定每个当前参与方的相似参与方集，即：当前参与方分别统计各其他参与方与当前参与方相似样本数据的数量，并计算相似样本数据的数量占该其他参与方所有样本数据的总量的比例，并将比例排在前k位的其他参与方形成当前参与方的相似参与方集；其中k为设定值；步骤3、每个当前参与方从其相似参与方集中随机选择部分相似参与方，其中当前参与方作为当前主动方，所选出的相似参与方作为当前被动方；步骤4、在当前主动方的协调下，利用当前主动方和各当前被动方的样本数据去联合训练随机决策树各节点的最佳属性和属性划分值，训练完成后，当前主动方和各当前被动方分别获得一棵相同的随机决策树；步骤5、当前主动方和各当前被动方通过增量选择的方式将步骤4所得到的随机决策树加入到各自的联邦随机森林模型中；步骤6、重复步骤3
‑
5，直到每个当前参与方的训练次数都达到了预定的训练次数，最终各参与方分别拥有不同的联邦随机森林模型；步骤7、将参与方的可穿戴设备的实测数据输入到步骤6所得到的自己的联邦随机森林模型中，由此完成参与方的活动预测，预测结果即为人类活动识别任务的活动标签。2.根据权利要求1所述的基于联邦个性化随机森林的可穿戴设备活动预测方法，其特征是，步骤5中，利用当前主动方和各当前被动方的样本数据...

【专利技术属性】
技术研发人员：王金艳，刘松逢，刘静，颜奇，李先贤，
申请(专利权)人：广西师范大学，
类型：发明
国别省市：