基于迁移学习的移动情景识别关键技术研究

Mobile Context Recognition based on the mobile terminal is confronted with two challenges: "diverse device worn position" and "personalized user behavior", along with the problem of limitation of energy consumption, space and algorithm complexity in a mobile. The project is to research multi-mode signal optimal feature selection and fusion theory based on build-in sensors of smart phones; solve the unmatched issues of characters and contexts caused by the diversity of smart phones' placements and orientations; research individual self-adaptive behavior recognition model based on transfer learning of extreme neural networks, by binding its fast-learning features; explore and reveal evolutional mechanism and transfer rules of general-purpose model against personalized model; propose a transfer learning theory of self-adaptive updating arguments, self-adaptive adjusting models, and self-adaptive transferring character spaces to support fast transfer learning of cross space-time and cross users mobile context recognition on theory, model and methodologies; and set up a recognition and monitoring system for elders' daily behaviors by applying data of accelerometers, gyroscope, microphone, GPS etc. to the current experimental platform, to test the model's self-adaptive transfer ability on different users and devices, and to optimize and adjust the model based on the testing data.

针对基于移动终端的移动情景感知面临的"设备穿戴位置多样化"和"用户行为个性化"两个挑战以及移动终端能耗、空间和算法复杂度受限问题，本项目研究基于智能手机内置传感器的多模态信号特征优选与融合理论，探索解决由于手机放置位置和方位的差异带来的特征与情景的失配问题；考虑极速神经网络具有快速学习的特性，研究基于极速神经网络迁移学习的用户个体自适应行为识别模型，探索与揭示通用模型与个性化模型的演变机理及迁移规律，提出一种模型参数自适应更新、模型结构自适应调整、特征空间自适应变换的迁移学习理论，为实现移动情景感知中的跨时空、跨个体的快速迁移提供理论、模型与方法；在已开发的实验平台上，融合加速度计、麦克风和GPS等多元信息，对老年人日常行为进行识别与监测，以检验模型在实际应用中面向不同个体、不同设备时的自适应迁移能力，并根据验证数据对模型进行进一步优化和修正。

本项目针对基于移动终端的移动情景感知面临的“设备穿戴位置多样化”和“用户行为个性化”两个挑战以及移动终端能耗、空间和算法复杂度受限问题，在穿戴位置自适应的多模态传感特征优选与融合理论、基于异构多模传感融合的行为识别算法、面向无标签样本的模型迁移方法以及基于迁移学习的用户个体行为自适应模型等方面进行了深入研究，达到了预期研究效果：提出将手机坐标系变换到大地坐标系的方法、基于多属性融合的特征优选算法以及基于行为敏感度和蚁群算法的特征优选方法；提出基于集成学习的高可信度加权投票融合算法及加权累积平均最大值算法、稀疏矩阵字典行为识别模型、基于群体相似性感知网络的多模型移动用户行为识别方法等；提出基于极速学习机的实例迁移学习算法、参数迁移学习算法、带权值样本筛选迁移学习算法、基于人工标签数据的模型迁移方法、基于集成学习自动标签法的模型迁移方法以及基于目标域与源域数据分布差异的行为识别模型迁移必要性度量方法；设计并实现轻量级移动设备用户行为数据采集工具，完成XUPT人体日常行为及驾驶行为数据库，搭建了基于“端+云”架构的移动情景识别算法验证平台。.项目组四年来在国内外学术会议与期刊上发表论文46篇，其中SCI/EI收录24篇，申请发明专利12项，授权2项，软件著作权2项。培养硕士研究生17名，其中4人获优秀毕业论文，3人次获国家奖学金。在本项目理论研究成果基础上，与中兴通讯股份有限公司合作开展“基于智能终端的可穿戴移动情景感知技术研究”的产学研合作项目研发，合作成果“新一代移动互联网多媒体及安全接入系统”获2015年中国电子学会科学技术奖一等奖，“4G移动互联网多媒体及安全终端”获2016年陕西省科学技术奖二等奖。