[发明专利]一种基于智能穿戴设备的行为分类方法及系统

权利要求书

1.一种基于智能穿戴设备的行为分类方法，其特征在于，包括：

智能穿戴设备端采集用户的行为数据，将所述行为数据发送至服务器；其中，所述行为数据包括实时生理体征数据、实时运动数据及定位数据；

所述服务器根据预先获取的训练样本和所述行为数据对预先建立的分类器进行训练，得到行为识别模型，并将所述行为识别模型反馈到所述智能穿戴设备端；其中，所述服务器对预先设置的训练数据进行随机放回抽样，得到三个训练子集；根据所述三个训练子集生成对应的第一分类器、第二分类器及第三分类器；根据所述智能穿戴设备端发送的行为数据，依次对所述第一分类器、第二分类器及第三分类器进行更新；所述服务器根据所述智能穿戴设备端发送的行为数据，采用所述第二分类器和所述第三分类器进行分类，得到分类结果，并根据所述分类结果获取达到预设的分类条件的行为数据，作为实时数据样本；其中，所述分类条件为L_i＝{x|x∈U，H_j(x)＝H_k(x)}，L_i为所述实时数据样本，U为所述行为数据，x为所述行为数据的一条实时数据，H_j(x)为所述第二分类器，H_k(x)为所述第三分类器；当所述实时数据样本达到预设的错误率条件时，将所述实时数据样本与所述预先设置的训练数据生成分类样本，并根据所述分类样本对所述第一分类器进行更新，直至所述分类结果中不存在满足所述预设的分类条件的实时数据样本；其中，所述错误率条件为e^m为当前的分类错误率，e^m-1为上次的分类错误率，L^m为当前的实时数据样本，L^m-1为上次的实时数据样本；根据所述行为数据对更新后的第一分类器、第二分类器及第三分类器进行测试，得到行为识别模型；

所述智能穿戴设备端采用所述行为识别模型对所述用户进行监测，得到行为识别结果，并将所述行为识别结果发送至终端设备端，以使所述终端设备端对所述行为识别结果进行显示。

2.如权利要求1所述的基于智能穿戴设备的行为分类方法，其特征在于，所述当所述实时数据样本达到预设的错误率条件时，将所述实时数据样本与所述预先设置的训练数据生成分类样本，并根据所述分类样本对所述第一分类器进行更新，通过如下步骤以判断所述实时数据样本是否达到预设的错误率条件：

在本次训练中对当前的实时数据样本进行分类测试，计算当前的分类错误率；

获取在上次训练中上次的实时数据样本，及分类测试后得到的上次的分类错误率，比较所述当前的分类错误率与所述上次的分类错误率的大小关系；

当检测到所述当前的分类错误率大于所述上次的分类错误率时，将所述上次的实时数据样本和所述预先设置的训练数据生成上次的分类样本，并根据所述上次的分类样本更新所述第一分类器。

3.如权利要求2所述的基于智能穿戴设备的行为分类方法，其特征在于，通过如下步骤以判断所述实时数据样本是否达到预设的错误率条件，还包括：

当检测到所述当前的分类错误率不大于所述上次的分类错误率时，判断所述当前的实时数据样本的数量与所述上次的实时数据样本的数量的大小关系；

当检测到所述当前的实时数据样本的数量不大于所述上次的实时数据样本的数量时，以所述上次的分类样本更新所述第一分类器。

4.如权利要求3所述的基于智能穿戴设备的行为分类方法，其特征在于，通过如下步骤以判断所述实时数据样本是否达到预设的错误率条件，还包括：

当检测到所述当前的实时数据样本的数量大于所述上次的实时数据样本的数量时，判断所述当前的实时数据样本的数量与所述当前的分类错误率是否达到预设的第一判断条件；其中，所述预设的第一判断条件为e^m|L^m|≤e^m-1|L^m-1|；

当检测到所述当前的实时数据样本的数量与所述当前的分类错误率达到所述预设的第一判断条件时，将所述当前的实时数据样本与所述预先设置的训练数据生成第一当前的分类样本，并根据所述第一当前的分类样本更新所述第一分类器。