典型文献
基于不确定性推理的活动识别方法研究
文献摘要：
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.
文献关键词：
活动识别;本体推理;D-S理论;智能家居;不确定性
中图分类号：
作者姓名：
戴丹;管有庆;龚锐
作者机构：
南京邮电大学 物联网学院,江苏 南京 210003
文献出处：
引用格式：
[1]戴丹;管有庆;龚锐-.基于不确定性推理的活动识别方法研究)[J].计算机技术与发展,2022(01):7-12
A类：
B类：
活动识别,智能家居,数据驱动方法,知识驱动,练出,出活,活动模型,异构数据,知识共享,确定性的,Dempster,Shafer,theory,证据理论,本体推理,证据合成,成规,ER,OT,evidential,reasoning,ontology,重新定义,对证,推理机,Jena,证据推理,马尔可夫,逻辑网络,网络算法,理算,识别准确率
AB值：
0.377067
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
