[发明专利]基于BP神经网络的人类活动在智能家居环境中的辨识方法

权利要求书

1.一种基于BP神经网络的人类活动在智能家居环境中的辨识方法，其特征在于包括如下步骤：

步骤S1)数据采集：由实验人员在智能家居环境测试台中按照要求重复进行指定的不同活动，与此同时由安装在智能家居环境测试台中的运动传感器和项目传感器对实验活动进行数据采集，然后对采集到的数据进行标记；

步骤S2)特征提取：根据采集到的数据，提取每一种活动的合适的特征数据，包括：当前活动所触发的各个传感器的标签；当前活动开始的时间；当前活动的结束时间；当前活动的前一个活动；当前活动所触发的传感器序列长度；

步骤S3)BP神经网络的训练与辨识：将计算好的各个活动的特征数据输入到BP神经网络中，分别采用3折交叉验证的方式进行训练与辨识，得到各种活动的辨识结果；

步骤S4)结果比较：将基于BP神经网络的人类活动的辨识结果与隐马尔科夫模型方法以及朴素贝叶斯分类器方法相比较，计算结果表明基于BP神经网络的方法获得了更好的辨识准确度。

2.根据权利要求1所述的基于BP神经网络的人类活动在智能家居环境中的辨识方法，其特征在于所述步骤S3)BP神经网络的训练与辨识中包括如下步骤：

步骤S31：确定隐层个数，初始化权值和偏置，最大迭代代数；把所有的权值和节点的偏置设置成[0，1]之间的随机数；

步骤S32：提供输入和期望输出：以各个活动传感器的特征数据作为输入，期望输出的活动为1其余为0作为输出；选取一部分数据样本用于BP神经网络的学习和训练，另一部分样本用作辨识验证；

步骤S33：计算实际输出：利用Sigmoid非线性函数计算输出层和隐层各节点的输出；

步骤S34：调整权值：以附加动量法来调整权值，公式如下：

Δwjih(t+1)=(1-mc)ηδpjhxpi+mcΔwjih(t)---(1)]]>

Δwkjo(t+1)=(1-mc)ηδpkoOpjh+mcΔwkjo(t)---(2)]]>

Δbj(t+1)=(1-mc)ηδpjh+mcΔbj(t)---(3)]]>

Δbk(t+1)=(1-mc)ηδpkh+mcΔbk(t)---(4)]]>

其中x表示输入，t表示迭代的次数，p表示为第p个训练向量，h表示为隐含层，o表示输出层，w_ij表示第i个输入节点到第j个隐节点之间的权值，w_kj表示第j个隐层节点到第k个输出层节点之间的权值，mc表示动量因子，η表示学习率，表示第p个训练向量的第j个隐层节点的误差，表示第p个训练向量的第k个输出节点的误差，表示第j个隐层节点的实际输出，b_j表示第j个隐层节点的偏置，b_k表示第k个输出节点的偏置；

不断迭代，直到误差达到满意值终止；

步骤S35：在训练之后，保存权值和偏置，选取测试数据，输入BP神经网络进行辨识。