| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 智能环境概述 | 第10-12页 |
| 1.3 论文的主要贡献 | 第12页 |
| 1.4 论文的主要内容和章节安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 支撑智能环境智能化的知识概述 | 第14-19页 |
| 2.1 面向智能环境的活动模式知识简介 | 第14-15页 |
| 2.1.1 活动模式的定义 | 第14-15页 |
| 2.1.2 活动模式知识在活动识别中的应用 | 第15页 |
| 2.2 活动模式知识获取领域研究现状 | 第15-16页 |
| 2.2.1 基于频繁模式挖掘的活动模式获取及活动识别 | 第16页 |
| 2.2.2 基于预测的活动模式获取及活动识别 | 第16页 |
| 2.3 迁移学习研究现状 | 第16-18页 |
| 2.4 本文算法结构 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 基于时序信息的活动模式迁移学习框架 | 第19-41页 |
| 3.1 活动描述 | 第19-21页 |
| 3.1.1 活动模型 | 第19-20页 |
| 3.1.2 活动模式 | 第20-21页 |
| 3.2 活动信息预处理 | 第21-23页 |
| 3.2.1 活动轨迹的加权 | 第21-22页 |
| 3.2.2 触发持续时间的模糊化 | 第22-23页 |
| 3.3 迁移学习算法的设计 | 第23-31页 |
| 3.3.1 迁移学习算法的主要思想和相关定义 | 第23-25页 |
| 3.3.2 备选轨迹集生成算法 | 第25-27页 |
| 3.3.3 活动轨迹映射算法 | 第27-29页 |
| 3.3.4 触发持续时间迁移算法 | 第29-31页 |
| 3.3.5 活动标签的迁移 | 第31页 |
| 3.4 实验仿真 | 第31-40页 |
| 3.4.1 实验参数设计 | 第32-35页 |
| 3.4.2 活动模式的迁移 | 第35-36页 |
| 3.4.3 新活动的识别 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 基于集合化信息的活动模式迁移学习框架 | 第41-51页 |
| 4.1 基于集合化信息的活动模型 | 第42页 |
| 4.2 基于集合化信息的活动模式迁移策略 | 第42-43页 |
| 4.3 基于集合化信息的活动模式迁移学习算法设计 | 第43-49页 |
| 4.3.1 可触发节点集合生成算法 | 第43-47页 |
| 4.3.2 节点集合映射算法 | 第47-48页 |
| 4.3.3 触发持续时间迁移算法 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 5 智能环境仿真平台开发 | 第51-62页 |
| 5.1 智能环境仿真平台设计 | 第51-56页 |
| 5.1.1 UI区域 | 第52-53页 |
| 5.1.2 活动监测模块 | 第53-54页 |
| 5.1.3 活动仿真模块 | 第54页 |
| 5.1.4 活动模式数据获取模块 | 第54-55页 |
| 5.1.5 共享信息 | 第55-56页 |
| 5.2 智能环境仿真平台的开发实现 | 第56-61页 |
| 5.2.1 活动监测模块的开发实现 | 第56-57页 |
| 5.2.2 活动仿真模块的开发实现 | 第57-59页 |
| 5.2.3 活动模式数据获取模块的开发实现 | 第59-61页 |
| 5.3 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62-63页 |
| 6.2 研究展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
| A. 作者在攻读学位期间发表的论文目录 | 第69页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第69页 |