【技术实现步骤摘要】
本专利技术涉及数据合成，具体涉及一种高质量可穿戴传感器数据合成方法。
技术介绍
1、可穿戴行为识别是普适计算领域中的重要研究方向，在健康监测、辅助诊疗、智能家居等应用场景中发挥着重要的作用。可穿戴行为识别的精度在很大程度上取决于数据的数量和质量。然后，由于现实条件的限制，如用户动作不准确、设备佩戴不规范、环境噪声、传感器物理缺陷、标注错误以及隐私保护限制等，采集并标注足够数量的传感器数据通常耗时、耗力且成本高。因此，研究人员将生成对抗网络用于合成可穿戴传感器数据，然而，现有方法无法评估样本的信息价值，模型倾向于合成大量的普通样本，无法高效合成信息价值高的样本。因此，合成的传感器数据的实用价值有限。
技术实现思路
1、本专利技术为了克服以上技术的不足，提供了一种能够根据任务的实际需求，合成高信息价值的可穿戴传感器数据的方法。
2、本专利技术克服其技术问题所采用的技术方案是：
3、一种高质量可穿戴传感器数据合成方法，包括：
4、a)获取有标注的可穿戴传感器数据样本集合l及无标注的可穿戴传感器数据样本集合u；
5、b)根据有标注的可穿戴传感器数据样本集合l及无标注的可穿戴传感器数据样本集合u建立数据样本总集合x′，为第i个原始数据存储文件存储的传感器数据矩阵；
6、c)对数据样本总集合x′进行数据预处理操作，得到数据样本sbatch；
7、d)将数据样本sbatch输入到特征生成器gf中，输出得到可穿戴传感器序列样本
8、e)将可穿戴传感器序列样本的表征向量hbatch输入到数据生成器gd中，输出得到合成的可穿戴传感器时序片段数据sb′atch；
9、f)将可穿戴传感器序列样本的表征向量hbatch输入到主干网络中，输出得到向量将向量输入到特征判别器df中，输出得到输出向量将向量输入到特征分类器cf，输出得到输出向量
10、g)将数据样本sbatch输入到数据判别器dd中，输出得到输出向量
11、h)根据合成的可穿戴传感器时序片段数据sb′atch、输出向量输出向量输出向量训练特征生成器gf、数据生成器gd、特征判别器df、特征分类器cf、数据判别器dd，得到优化后的特征生成器gf″″、优化后的数据生成器gd″、优化后的特征判别器df′、优化后的特征分类器cf′、优化后的数据判别器dd′；
12、i)将数据样本sbatch输入到优化后的特征生成器gf″″、优化后的特征分类器cf′中，输出得到合成的可穿戴传感器时序片段数据sb″atch。
13、进一步的，步骤a)包括如下步骤：
14、a-1)有标注的可穿戴传感器数据样本集合l＝{(l1,y1),(l2,y2),...,(li,yi),…,(lm,ym)}，(li,yi)为第i个数据-标签对，li为第i个有标注的可穿戴传感器数据，i∈{1,…,m}，m为有标注的可穿戴传感器数据的总数，yi为第i个有标注的可穿戴传感器数据li对应的行为类别标签，yi∈{1,…,y}，y为行为类别的总数；
15、a-2)无标注的可穿戴传感器数据样本集合为第i个数据-标识对，ui为第i个无标注的可穿戴传感器数据，i∈{1,…,n}，n为无标注的可穿戴传感器数据的总数，为第i个无标注的可穿戴传感器数据ui对应的标识，均设置为-1。
16、进一步的，步骤b)包括如下步骤：
17、b-1)建立有标注的可穿戴传感器数据样本与无标注的可穿戴传感器数据样本的总集合x，x＝{l,u}；
18、b-2)建立可穿戴传感器设备集合d，d＝{d1,d2,…,di,…,dk}，di为第i种可穿戴传感器设备，i∈{1,…,k}，k为可穿戴传感器种类的数量，di＝{di,1,di,2,…,di,a,…,di,a}，di,a为第i种可穿戴传感器设备di的第a个维度，a∈{1,…,a}，a为第i种可穿戴传感器设备di能够采集数据的维度数量；
19、b-3)建立数据存储文件集合f，f＝{f1,f2,…,fi,…,fk}，fi为第i个原始数据存储文件，i∈{1,…,w}，w为原始数据存储文件的数量，第i个原始数据存储文件fi存储的数据为为t时刻传感器采集的包含c列数据的向量，t∈{1,…,t}，t为采集到的数据的时序长度，
20、为t时刻传感器采集的第c列数据，c∈{1,…,c}；
21、b-4)将第i个原始数据存储文件fi存储的数据转换为矩阵得到数据样本总集合x′，
22、进一步的，步骤c)包括如下步骤：
23、c-1)遍历w个原始数据存储文件，检查第i个原始数据存储文件fi存储的数据中的t时刻传感器采集的第c列数据是否存在缺失值，如果检测到某一列数据存在缺失值，则计算该列的前、后有效值的平均值xmean，将该平均值xmean替换缺失值；
24、c-2)分别计算第i个原始数据存储文件fi存储的数据中的t时刻传感器采集的第c列数据的均值μ和标准差σ，检查第c列数据中是否存在数值在区间[μ-3σ,μ+3σ]之外的数据，如果存在则判定该数值为异常数据，使用均值μ替换该异常数据；
25、c-3)根据第i个行为类别标签yi在w个原始数据存储文件中筛选出对应的有标注的传感器数据li，将筛选出的各个传感器数据li按行进行concat堆叠操作，得到第i类的数据分组li，所有的数据分组构成按类别分组的数据集{l1,l2,…,li,…,ly}，将各个无标注的传感器数据ui进行concat堆叠操作，得到数据集l-1；
26、c-4)将按类别分组的数据集{l1,l2,…,li,...,ly}按行进行concat堆叠操作，得到按类别重新组织后的有标注数据集
27、c-5)对按类别重新组织后的有标注数据集和数据集l-1中第i个原始数据存储文件fi存储的数据中的t时刻传感器采集的第c列数据进行归一化操作，得到局部归一化后的有标注数据集和数据集l-1′；
28、c-6)分别对局部归一化后的有标注数据集和数据集l-1′进行归一化操作，得到全局归一化后的有标注数据集和数据集l-1″；
29、c-7)采用滑动窗口算法对有标注数据集中第i个行为类别标签yi对应的数据进行时序片段的切分，得到时序片段si，采用滑动窗口算法对数据集l-1″中的数据进行时序片段的切分，得到时序片段s-1′，将m个时序片段si及时序片段s-1′进行concat堆叠操作，得到完整的时间序列片段集合s，滑动窗口的长度l设置为seq_len＝100，滑动步长设置为step_size＝50；
30、c-8)随机选择完整的时间序列片段集合s中的b个时序片段，得到一个批次的数据样本sbatch。
31、进一步的，步骤d)包括如下步骤：
32、d-1)数据样本sbatch的维度为[b,l,c]；
33、d-2)特本文档来自技高网...
【技术保护点】
1.一种高质量可穿戴传感器数据合成方法，其特征在于，包括：
2.根据权利要求1所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤a)包括如下步骤：
3.根据权利要求2所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤b)包括如下步骤：
4.根据权利要求3所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤c)包括如下步骤：
5.根据权利要求4所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤d)包括如下步骤：
6.根据权利要求1所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤e)包括如下步骤：
7.根据权利要求4所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤f)包括如下步骤：
8.根据权利要求1所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤g)包括如下步骤：
9.根据权利要求1所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤h)包括如下步骤：
10.根据权利要求9所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤i)包括如下步骤
...【技术特征摘要】
1.一种高质量可穿戴传感器数据合成方法，其特征在于，包括：
2.根据权利要求1所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤a)包括如下步骤：
3.根据权利要求2所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤b)包括如下步骤：
4.根据权利要求3所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤c)包括如下步骤：
5.根据权利要求4所述的高质量可穿戴传感器数据合成方法，其特征在于，步骤d)包括如下步骤：
6.根据权...
【专利技术属性】
技术研发人员：王记伟，舒明雷，周书旺，刘照阳，邓邱伟，田云龙，孙宏霞，张宏宽，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。