中文版Activity Learning--從傳感器數據中發現、識別和預測人的行為

第1章引言
第2章活動
2.1活動的定義
2.2活動的分類
2.3補充閱讀
第3章傳感技術
3.1用於活動學習的傳感器
3.1.1環境傳感器
3.1.2可隨身佩戴的傳感器
3.2傳感器數據集樣本
3.3特征量
3.3.1序列特征量
3.3.2離散事件特征量
3.3.3統計特征量
3.3.4譜特征量
3.3.5活動背景的特征量
3.4多傳感器融合
3.5補充閱讀
第4章機器學習
4.1監督學習
4.2朴素貝葉斯分類器
4.3高斯混合模型
4.4隱馬爾可夫模型
4.5決策樹
4.6支持向量機
4.7條件隨機場
4.8分類器的組合模型
4.8.1提升
4.8.2袋化
4.9降維技術
4.10補充閱讀
第5章活動識別
5.1活動分割
5.2滑動窗口
5.2.1時基窗口分割
5.2.2基於大小的窗口分割
5.2.3給窗口內的事件分配權值
5.2.4動態窗口大小
5.3無監督分割
5.4性能測量
5.4.1基於分類器的活動識別性能指標
5.4.2基於事件的活動識別性能指標
5.4.3評估活動識別的實驗框架
5.5補充閱讀
第6章活動發現
6.1零樣本學習
6.2序列挖掘
6.2.1基於頻率的序列挖掘
6.2.2基於壓縮比的序列挖掘
6.3聚類
6.4主題模型
6.5性能測量指標
6.6補充閱讀
第7章活動預測
7.1活動序列預測
7.2活動預報
7.3基於概率圖的活動預測
7.4基於規則的活動時序預測
7.5性能測量
7.6補充閱讀
第8章活動學習存在的實際問題
8.1收集帶標簽的傳感器數據
8.2遷移學習
8.2.1實例遷移和標簽遷移
8.2.2無共生數據的特征遷移
8.2.3有共生數據的知情特征遷移
8.2.4用教師—學生模型實現共生數據的不知情特征遷移
8.2.5用特征空間對齊方法實現共生數據的不知情特征遷移
8.3多標簽學習
8.3.1問題變換
8.3.2標簽相關性利用
8.3.3多標簽學習算法的性能評估
8.4多個體的活動學習
8.4.1學習群體活動
8.4.2訓練一個測試多個
8.4.3分離事件流
8.4.4跟蹤多用戶
8.5補充閱讀
第9章活動學習的實際應用
9.1健康
9.2活動感知服務
9.3安全與應急處理
9.4活動重構、表示和可視化
9.5分析人類的動態行為
9.6補充閱讀
第10章活動學習的未來
附錄A活動樣本數據
附錄B參考文獻