原创《基于概率描述逻辑的多层活动建模和识别》：本论文可用于概率描述逻辑论文范文参考下载，概率描述逻辑相关论文写作参考研究。
【摘 要】活动识别是指从一系列家居传感器信号中自动识别人的日常活动,由于人类活动本质的模糊性,大多数传统模式识别方法不能表示活动的不确定性和复杂结构关系.针对上述问题,提出基于概率描述逻辑的多层活动识别方法,从对数线性描述逻辑构建的OWL2本体中的概率推理出当前最可能执行的活动,实验结果验证了论文方法的有效性.
【Abstract】Activity recognition refers to the automatic identification of human activities from a series of home sensor signals. Because of the fuzziness of human activities, most traditional pattern recognition methods can not represent the uncertainty and complex structure of activities. Aiming at above problems, a multi-layer activity recognition method based on probabilistic description logic is proposed. The most likely activity in current is deduced from the probability of OWL2 noumenon constructed by logarithmic linear description logic, and the experimental results validate the effectiveness of the proposed method.
【关键词】活动识别；对数线性模型；描述逻辑；OW2本体
【Keywords】activity recognition； log-liner model； description logic； OWL2 ontology
【中图分类号】TP11 【文献标志码】A 【文章编号】1673-1069（2018）04-0152-04
1 引言
活动识别被广泛应用于众多领域,这些领域包括医疗健康,老人摔倒和异常检测、健康生活方式的跟踪和改善、智能家居的上下文感知服务、机器人技术和安防和监控等.活动识别方法主要可以分为三种,即数据驱动、知识驱动和混合活动识别方法.基于本体的方法在活动识别领域中的应用越来越普遍,然而大多数基于描述逻辑的活动识别框架缺乏对概率知识的表示和推理.
为了弥补上述方法的不足,本文提出的方法将不确定性知识集成到一个统一的框架中,并考虑活动之间的不相容性,利用对数线性模型和描述逻辑的结合来推测出当前最可能执行的活动.
2 多层活动模型的表示
2.1 概率描述逻辑原理
描述逻辑[1]（Description logic,DL）是一种知识表示形式,通过概念、关系和公理来支持特定应用领域知识的逻辑表示,包括领域内概念的定义和对象个体的描述.
对数线性描述逻辑[2]（log-liner description logic）将描述逻辑集成到对数线性模型中,允许对描述逻辑加权公理的概率性和确定性依赖关系进行建模,并支持OWL2网络本体语言[3].形式上,一个对数线性知识库C等于（CD,CU）是由一个确定性知识库CBoxCD和一个不确定性知识库CBox CD等于（c,?棕c）组成,其中c表示一个公理,?棕c是分配到公理c的一个权重.
在规定的语法和语义下,最主要的推理任务是最大后验概率（MAP）查询,给定一个对数线性本体,推理出在同样的概念和角色下最可能的一致的本体,在概率描述逻辑背景下,MAP查询是至关重要的,因为它能够从概率本体中推理出一个最可能的本体.ELOG推理机[4]通过将概率本体转化为整数线性规划（integer linear program,ILP）,從而进行MAP查询.它迭代查询一个推理机（例如Pellet）获得不连贯或不一致的解释,并将这些约束添加到整数线性规划中.
2.2 多层活动的概念
复杂活动、简单活动、操作手势、原子事件和其他上下文概念被定义为活动本体的概念,下面是一系列本体活动模型主要概念的定义.
Person：表示一个执行不同活动的居住者.
Arm：表示居住者的手臂,手臂分为左手臂和右手臂,一个人通过他的手臂与周围环境进行交互.
Function：表示一个人的手臂操作物体的方式.
Locomotion：表示肢体动作,例如躺、坐、站立.
Object：表示居住者在执行一个活动中交互的物体,例如原子事件“移动瓶子”,交互的物体是“瓶子”.
EventType：表示原子事件,表示这些不能被分解为更简单成分的原子活动,它们的持续时间非常短,为了简化模型,可以把它们看作为瞬时事件.
Manipulative：表示操作手势,由几个简单的原子事件组成.在某些情况下可以并发进行.
SimpleActivity：表示简单活动,由操作手势和肢体动作组成的时间序列构成,同样的简单活动可能由不同的操作手势时间序列构成.
ComplexActivity：表示复杂活动,由执行的简单活动组成.
2.3 多层活动模型的建立
多层活动本体模型是依据一个开源项目“Opportunity”提出的框架建立的.本体模型一共包含四层结构,从底层到高层依次是原子事件层、操作手势层、简单活动层和复杂活动层.
概率描述逻辑论文参考资料：
结论：基于概率描述逻辑的多层活动建模和识别为关于本文可作为相关专业概率描述逻辑论文写作研究的大学硕士与本科毕业论文概率描述逻辑论文开题报告范文和职称论文参考文献资料。
