- 作 者：（美）Diane J·Cook，（美）Narayanan C·Krishnan著
- 出 版 社：北京：清华大学出版社
- 出版年份：2016
- ISBN：9787302428688
- 标注页数：355 页
- PDF页数：368 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源368 ≥355页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
第1章 引言 1
第2章 活动 7
2.1 活动的定义 7
2.2 活动的分类 10
2.3 补充阅读 10
第3章 传感技术 15
3.1 用于活动学习的传感器 16
3.1.1 环境传感器 16
3.1.2 可随身佩戴的传感器 21
3.2 传感器数据集样本 22
3.3 特征量 26
3.3.1 序列特征量 28
3.3.2 离散事件特征量 30
3.3.3 统计特征量 34
3.3.4 谱特征量 43
3.3.5 活动背景的特征量 45
3.4 多传感器融合 46
3.5 补充阅读 51
第4章 机器学习 55
4.1 监督学习 55
4.2 朴素贝叶斯分类器 60
4.3 高斯混合模型 65
4.4 隐马尔可夫模型 68
4.5 决策树 73
4.6 支持向量机 76
4.7 条件随机场 84
4.8 分类器的组合模型 86
4.8.1 提升 86
4.8.2 袋化 88
4.9 降维技术 89
4.10 补充阅读 98
第5章 活动识别 101
5.1 活动分割 103
5.2 滑动窗口 109
5.2.1 时基窗口分割 110
5.2.2 基于大小的窗口分割 111
5.2.3 给窗口内的事件分配权值 113
5.2.4 动态窗口大小 119
5.3 无监督分割 121
5.4 性能测量 126
5.4.1 基于分类器的活动识别性能指标 129
5.4.2 基于事件的活动识别性能指标 135
5.4.3 评估活动识别的实验框架 139
5.5 补充阅读 141
第6章 活动发现 145
6.1 零样本学习 147
6.2 序列挖掘 149
6.2.1 基于频率的序列挖掘 151
6.2.2 基于压缩比的序列挖掘 153
6.3 聚类 159
6.4 主题模型 162
6.5 性能测量指标 165
6.6 补充阅读 169
第7章 活动预测 171
7.1 活动序列预测 172
7.2 活动预报 180
7.3 基于概率图的活动预测 186
7.4 基于规则的活动时序预测 189
7.5 性能测量 193
7.6 补充阅读 200
第8章 活动学习存在的实际问题 203
8.1 收集带标签的传感器数据 203
8.2 迁移学习 217
8.2.1 实例迁移和标签迁移 222
8.2.2 无共生数据的特征迁移 226
8.2.3 有共生数据的知情特征迁移 228
8.2 4用教师-学生模型实现共生数据的不知情特征迁移 230
8.2.5 用特征空间对齐方法实现共生数据的不知情特征迁移 232
8.3 多标签学习 233
8.3.1 问题变换 236
8.3.2 标签相关性利用 238
8.3.3 多标签学习算法的性能评估 244
8.4 多个体的活动学习 246
8.4.1 学习群体活动 246
8.4.2 训练一个测试多个 251
8.4.3 分离事件流 254
8.4.4 跟踪多用户 258
8.5 补充阅读 261
第9章 活动学习的实际应用 267
9.1 健康 267
9.2 活动感知服务 271
9.3 安全与应急处理 274
9.4 活动重构、表示和可视化 275
9.5 分析人类的动态行为 282
9.6 补充阅读 287
第10章 活动学习的未来 291
附录A 活动样本数据 297
附录B 参考文献 323