16、人类活动预测：基于动作单元和预测累积函数的方法

人类活动预测：基于动作单元和预测累积函数的方法

1. 基本概念

• 频繁序列模式 ：当一个序列的支持度满足 min_sup 条件时，它被称为频繁序列模式。序列的长度是指其中项集的数量， SPk 表示长度为 k 的频繁序列模式集合，且 SP1 = FI 。
• 上下文感知因果模型 ：可以基于相关算法训练上下文感知因果模型 𝛑s(σ) 。

2. 预测累积函数（PAF）

为了刻画活动的可预测性，提出了预测累积函数（PAF）。不同活动通常具有不同的 PAF，且该函数可以从训练数据中自动学习。
- 信息增益定义 ：
- 给定序列的前 k 百分比被观察到，信息增益定义为：
[y_k = \frac{H(D) - H(D|D_k)}{H(D)}]
- 其中， H(D) 评估整个序列在未观察到任何元素时的不确定性， H(D|D_k) 评估在检查序列的前 k 百分比后序列的剩余不确定性。具体公式如下：
[H(D) = - \sum_{r \in D} p_T(r) \log p_T(r)]
[H(D|D_k) = - \sum_{r_{pre}(k) \in D_k} \sum_{r \in D} p_T(r,