15、基于时间窗口与语义的传感器数据分割及活动识别研究

基于时间窗口与语义的传感器数据分割及活动识别研究

1. 实验设计

为评估和验证所提出方法的可行性，开发了一个合成数据生成器来生成合成的日常生活活动（ADL）数据。该生成器提供具备必要时间信息的ADL数据项，能让我们在实际环境部署前快速评估方法的可行性，还可在不同数据集上进行测试。

具体操作步骤如下：
1. 指定“种子”ADL模式 ：每个种子ADL模式由一系列ADL描述，合成ADL数据生成器会推导出这些模式的不同排列组合，并使用随机数生成器选择要使用的排列，使每个排列在数据集生成时有平等机会被视为ADL模式。
2. 选择典型ADL ：使用了与餐饮（如泡茶、煮咖啡、做巧克力、做意大利面）、卫生（如洗澡、刷牙、洗手）和娱乐（如看电视）相关的8种典型ADL。
3. 设定时间周期 ：为确保数据包含丰富的时间信息，合成ADL数据对应一天中的三个时间段生成：早上（6点 - 9点）、中午（12点 - 2点）和晚上（6点 - 10点）。在添加可能的种子ADL到合成数据生成器时，需指定该ADL可执行的时间段；指定种子模式时，也需提供ADL模式所属的时间段。
4. 确定ADL间的过渡时间 ：为每个ADL模式指定ADL之间的过渡时间（以秒为单位）。例如，“MakeTea - 0, BrushTeeth - 600”表示泡茶是模式中的第一个ADL，刷牙将在泡茶完成600秒后进行。目前假设同一时间只能执行一个ADL，因此数据生成时不会有两个传感器同时激活。
5. 定义传感器激活模式 ：为每个