[发明专利]基于穿戴式智能设备的行为分类方法、装置及存储介质

说明书

本发明公开了一种基于穿戴式智能设备的行为分类方法，包括：接收穿戴式智能设备采集的目标人员的生理特征数据；提取生理特征数据中的多数类生成标准矩阵，对标准矩阵进行聚类运算得到k个聚类群组；提取聚类群组中多数类，与生理特征数据中的少数类生成分类样本集合；对分类样本集合中的分类样本进行训练并建立分类模型，将新的生理特征数据输入分类模型，得到行为分类结果。本发明公开的一种基于穿戴式智能设备的行为分类方法，能够提高行为分类的准确率。本发明还公开了一种基于穿戴式智能设备的行为分类装置和存储介质。

技术领域

本发明涉及行为分类技术领域，尤其涉及一种基于穿戴式智能设备的行为分类方法、装置及存储介质。

背景技术

目前，可穿戴智能设备已广泛应用在军事国防、环境监测、医疗健康、工业以及高危领域的数据监控等领域，其应用价值和科研价值已受到世界各国的高度关注。

现有技术中，由于大多数情况的监督人员行为正常且有规律，这些人员佩戴的监督设备的采集数据分布具有一定的相似性。而少数出现了行为异常的人员则在日常数据中可能出现少量的异常数据，由于智能穿戴系统的人员行为判断中出现大量偏差的历史数据，系统中正常行为数据量与异常行为数据量之间的偏差导致在分类系统在建模过程出现过拟合现象，导致模型低估了少数异常人员的数量，从而导致行为分类的准确率较低。

发明内容

本发明实施例提供一种基于穿戴式智能设备的行为分类方法，能够提高行为分类的准确率。

本发明实施例一提供一种基于穿戴式智能设备的行为分类方法，包括：

接收穿戴式智能设备采集的目标人员的生理特征数据；

提取所述生理特征数据中的多数类生成标准矩阵，对所述标准矩阵进行聚类运算得到k个聚类群组；

提取所述聚类群组中的特征多数类，与所述生理特征数据中的少数类生成分类样本集合；

对所述分类样本集合中的分类样本进行训练并建立分类模型，将新的生理特征数据输入所述分类模型，得到行为分类结果。

作为上述方案的改进，所述提取所述生理特征数据中的多数类生成标准矩阵，对所述标准矩阵进行聚类运算得到k个聚类群组，具体为：

计算所述多数类的相似矩阵并定义无方向相似图，根据所述无方向相似图的加权连接矩阵计算标准化图矩阵；

计算所述标准化图矩阵的前k个特征向量，并进行标准化处理，得到所述标准矩阵；

对所述标准矩阵进行聚类运算，得到所述k个聚类群组。

作为上述方案的改进，所述计算所述多数类的相似矩阵并定义无方向相似图，根据所述无方向相似图的加权连接矩阵计算标准化图矩阵；计算所述标准化图矩阵的前k个特征向量，并进行标准化处理，得到所述标准矩阵；对所述标准矩阵进行聚类运算，得到所述k个聚类群组，具体为：

预设分类个数k，根据多数类的样本数据构成一个基于高斯核的相似矩阵S∈R^n×n，其中，n是所述多数类样本的个数；

定义无方向相似图G＝(V,E)，G为加权图时，将两个定点v_i和v_j的边表示为w_ij>0，则所述无方向相似图的加权连接矩阵W＝(w_ij)_{i,j＝1,2,…,n}；若w_ij＝0，则表示v_i和v_j之间没有连接，且w_ij＝w_ji；

顶点的度及图的度矩阵为D＝diag(d₁,d₂,…,d_n)，其中，