徐州电话销售系统

徐州电话销售系统,办理徐州电话销售系统,徐州电话销售系统办理

电话销售系统通过智能电销系统的模式

可以很好缩短销售周期，有效提升销售的效率！

三大运营商深度合作

外显手机号码资源

支持多种业务场景对接需求

移动设备放置位置多样化以及不同用户行为的差异性，大大增加了用户行为识别的难度。为了提高移动用户行为识别的准确率，本文提出了一种多分类器融合的移动用户行为识别模型（BRMMCF）。该模型根据融合算法将多个基分类器的识别结果进行融合处理，得到行为识别的最终结果。该模型分别采用SVM和决策树作为分类算法，基于数据集XUPT-AAD进行了验证。实验结果表明，该模型对静止、步行、跑步、上楼、下楼的平均识别准确率达到95.05%。

【关键词】行为识别；基分类器；多分类器融合

0 引言

随着科技发展以及人们生活水平的提高，智能手机已经成为了日常生活的必需品。集成在智能手机内的加速度传感器，具有体积小、功耗低和灵敏度高等特点，为利用智能手机实现移动情景识别提供了必要条件。作为移动情景识别的一个重要研究方向，专家学者们就如何根据智能手机内部各种传感器采集的数据进行人体行为识别展开了广泛研究，越来越多的研究人员通过移动设备内嵌传感器来采集数据，并对原始数据进行预处理、特征选择、分类器训练，得到用户行为模型，运用该模型分析、确定未知用户的行为，并根据行为识别结果为用户提供所需要的各项服务。该技术在儿童和老年人安全监护、智能监测、生物医学、智能视频监控等方面具有极其广阔的应用前景。

1 已有研究

用户行为本身具有较大差异性，数据采集过程中移动设备放置位置多样化，以及采集环境多样化等因素，都将大大增加用户行为识别的难度。国内外研究者们在这一方面做了大量研究。Zhang等人[1]提出一种基于粗糙集理论的知识增益方法来选择特征，进而用于人体行为识别。赵海勇等人提出了一种以人的动作序列图像的轮廓为特征、基于隐条件随机场的行为识别方法，利用背景差分法和阴影消除技术提取运动人体轮廓[2]。谢立东提出了一种采用分层方法来研究人体行为识别技术的方法[3]。范琳等人提出了一种与穿戴位置无关的手机用户行为识别模型[4]，对走路、跑步、上楼、下楼等日常行为识别的准确率最高达88.32%。