可穿戴式日常行為語義感知及增強方法

第1章可穿戴式產品簡介1
1.1背景介紹1
1.2可穿戴式產品的市場及應用2
1.3典型可穿戴式感知設備5
1.4本章小結9
參考文獻10第2章可穿戴式語義感知的相關研究現(xiàn)狀11
2.1可穿戴式感知的應用現(xiàn)狀11
2.2多媒體語義檢索研究現(xiàn)狀14
2.3多概念探測研究現(xiàn)狀16
2.4概念驅動的行為識別現(xiàn)狀17
2.5本章小結17
參考文獻18第3章基于語義的視覺媒體處理24
3.1特征提取及表示24
3.1.1低層特征24
3.1.2高層特征26
3.2基于內容和基于概念的檢索26
3.2.1基于內容的檢索26
3.2.2基于概念的檢索27
3.2.3概念選擇/查詢擴展27
3.3以事件為中心的媒體處理27
3.4日常行為感知及挑戰(zhàn)29
3.4.1日常行為感知——以SenseCam為例29
3.4.2可穿戴式行為感知處理框架31
3.4.3面臨的新挑戰(zhàn)32
3.5本章小結34
參考文獻35第4章可穿戴式日常行為語義空間39
4.1事件相關的概念分布特征39
4.2基于事件語義的視覺處理41
4.3事件語義空間42
4.3.1日?；顒拥倪x擇42
4.3.2主題相關的概念44
4.3.3事件語義空間形式化45
4.3.4語義空間構建用戶實驗46
4.4語義空間中的概念關系47
4.4.1基于分類學的詞匯相似度48
4.4.2上下文本體相似度和相關性50
4.5語義概念在事件表示中的應用51
4.5.1基于興趣度的概念聚合51
4.5.2一種VSM形式的語義表示53
4.5.3應用效果分析55
4.6本章小結58
參考文獻58第5章訓練無關的語義概念增強方法62
5.1方法出發(fā)點62
5.2方法描述63
5.2.1概念探測結果分解64
5.2.2集成概念本體66
5.2.3收斂性證明67
5.2.4近鄰相似性傳播68
5.3語義平滑的索引增強69
5.3.1算法形式化69
5.3.2概念相關性的外部推理70
5.4實驗及結果討論71
5.4.1在數(shù)據(jù)集一上的評估結果71
5.4.2在數(shù)據(jù)集二上的評估結果74
5.4.3不同語義在算法中的作用75
5.4.4算法效率分析78
5.4.5引入語義平滑約束78
5.5本章小結80
參考文獻80第6章基于外部知識的檢索增強方法83
6.1語義多概念探測83
6.1.1創(chuàng)建概念本體84
6.1.2基于本體的多概念探測優(yōu)化87
6.2基于語義密度的概念選擇89
6.2.1文本預處理91
6.2.2合取概念的相似度91
6.2.3基于密度的概念選擇92
6.3利用相似度進行概念排序95
6.3.1概念相似度模型95
6.3.2相似度排序96
6.4實驗分析96
6.4.1多概念探測評估96
6.4.2概念選擇評估102
6.5本章小結110
參考文獻110第7章概念的動態(tài)組織及時序行為識別112
7.1方法框架描述113
7.2基于動態(tài)語義屬性的行為識別114
7.2.1基于HMM的行為識別方法115
7.2.2用HMM費舍爾核進行活動分類119
7.2.3基于HCRF的行為識別方法120
7.3時間感知的概念探測增強122
7.3.1基于WNTF的索引增強方法122
7.3.2有效性分析124
7.3.3計算復雜度分析124
7.4實驗和評估125
7.4.1實驗數(shù)據(jù)集126
7.4.2基于WNTF的概念探測增強評估128
7.4.3基于HMM的日常行為識別評估129
7.4.4基于HMM費舍爾核行為識別評估132
7.4.5基于HCRF行為識別評估135
7.5本章小結138
參考文獻139第8章概念驅動的行為識別影響要素分析141
8.1背景介紹141
8.2實驗數(shù)據(jù)集143
8.3實驗方法144
8.4實驗結果146
8.5結果討論148
8.6本章小結150
參考文獻150第9章事件建模和上下文增強152
9.1語義表示和模型語言152
9.1.1本體153
9.1.2資源描述框架（RDF/RDFS）154
9.1.3OWL155
9.2上下文事件增強框架156
9.2.1一個說明場景156
9.2.2基于多上下文的事件本體156
9.2.3EventCube： 一個增強的事件冊158
9.3事件語義增強和查詢160
9.3.1關聯(lián)開放數(shù)據(jù)和SPARQL查詢160
9.3.2位置增強162
9.3.3社交上下文增強164
9.4事件語義增強用例165
9.4.1用例設置165
9.4.2社交上下文增強的語義對齊167
9.4.3事件為中心的增強應用168
9.5本章小結169
參考文獻170