一种基于DSN深度对抗迁移网络的日常行为迁移识别方法技术

本发明专利技术提供一种基于DSN深度对抗迁移网络的日常行为迁移识别方法，包括：获取若干个候选源域及目标域；分别将候选源域与目标域的日常行为标签及传感器映射到同一空间；在该同一空间内获取与日常行为标签对应的日常行为特征向量，从而由候选源域中筛选出目标域的相似源域；采用领域自适应方法拉近各相似源域与目标域的特征向量分布；分别将每个相似源域与目标域的特征向量组合后作为DSN网络的输入，从而训练获得与相似源域数量相当的基分类器；对各个基分类器对目标域内特征向量的分类结果进行集成学习，从而获得目标域的日常行为识别结果。本发明专利技术采用深度对抗网络迁移DSN方法，可自动化地提取更具表现力的特征，效果好于手动提取特征。提取特征。提取特征。

【技术实现步骤摘要】
一种基于DSN深度对抗迁移网络的日常行为迁移识别方法


[0001]本专利技术涉及智能家居
，具体而言，尤其涉及一种基于DSN深度对抗迁移网络的日常行为迁移识别方法。

技术介绍

[0002]基于异构智能家居环境下的行为识别问题主要包括传感器、日常行为的映射问题，日常行为识别问题，目标域缺乏标记数据问题。现有的技术如XLearn，它是一种知识驱动背景下利用集成学习技术方法进行异构环境下的行为识别的方法，主要步骤如下：首先构建本体，来进行特征和日常行为空间重映射。然后利用聚类给未标记的日常行为贴标签，并从中生成集成学习的输入。最后再利用集成学习处理聚类中未贴标签的数据，识别日常行为。
[0003]上述方法存在以下弊端：
[0004]首先，该方法需要手动提取特征，无法获得更具表现力的特征。
[0005]其次，该方法没有选择合适的特征进行迁移，也没有选择相似的数据集进行迁移，可能引发负迁移。

技术实现思路

[0006]鉴于现有技术的不足，本专利技术提供一种基于DSN(域分离，Domain Separation本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DSN深度对抗迁移网络的日常行为迁移识别方法，其特征在于，包括：获取若干个候选源域及目标域，其中各候选源域中的日常行为标签已知，目标域中的日常行为标签部分已知或者全部未知；分别将候选源域与目标域的日常行为标签及传感器映射到同一空间；在该同一空间内获取与日常行为标签对应的日常行为特征向量，并基于距离度量的方法对各日常行为特征向量进行处理，从而由候选源域中筛选出目标域的相似源域；采用领域自适应方法拉近各相似源域与目标域的特征向量分布；分别将每个相似源域与目标域的特征向量组合后作为DSN网络的输入，从而训练获得与相似源域数量相当的基分类器；对各个基分类器对目标域内特征向量的分类结果进行集成学习，从而获得目标域的日常行为识别结果。2.根据权利要求1所述的基于DSN深度对抗迁移网络的日常行为迁移识别方法，其特征在于，将候选源域与目标域的日常行为标签映射到同一空间，包括：提取候选源域及目标域的所有已知的日常行为标签；将原始日常行为标签放入Word2vec模型进行训练，得到与所述日常行为标签对应的具有含有语义的日常行为标签数字特征向量；利用余弦相似度，日常行为标签数字特征向量之...

【专利技术属性】
技术研发人员：刘亚清，余芸倩，丰阳，谢若莹，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：