摘要
活动识别已成为智能家居领域的研究热点,目前国内外有关活动识别方法的研究有很多,研究人员提出了不同的方法来进行活动建模和识别,可分为数据驱动方法和知识驱动方法.数据驱动方法容易受到维数的限制,并且需要大量的数据集来训练出活动模型.目前在有关活动识别研究的方法中缺少一种既能够考虑到异构数据之间的知识共享,又能够考虑到活动的不确定性的方法.该文将D-S理论(Dempster-Shafer theory,证据理论)和本体推理结合起来,在改进的证据合成规则的基础上提出了ER-OT(evidential reasoning-ontology,证据-本体推理)算法,解决了活动中的不确定性和推理结果之间的冲突.算法首先在加权分配的思想上按重新定义的冲突系数对证据合成规则进行改进,在推理时推理机将推理信息同时输入到Jena本体推理和改进的证据推理模块,然后将推理结果按改进的证据合成规则进行合成得到最终的推理结果.实验结果表明,与现有的马尔可夫逻辑网络算法和传统的本体推理算法相比,该算法提高了不确定性活动的识别准确率.
基金项目
江苏省高等学校自然科学研究计划(05KJD520146)
国家科技期刊平台
NSTL
维普
万方数据