主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
陈益强,李秋实,刘军发,胡琨,陈振宇.基于蓝牙动态特征的移动情境感知.软件学报,2011,22(zk2):137-146
基于蓝牙动态特征的移动情境感知
Sensing Surrounding Contexts using Dynamic Bluetooth Information
投稿时间:2011-07-20  修订日期:2011-12-01
DOI:
中文关键词:  情境感知  蓝牙  动态信息  分类模型  情景决策树
英文关键词:context-aware  bluetooth, dynamic  classification  context decision tree
基金项目:国家自然科学基金(61173066, 61070110); 北京市自然科学基金(4112056); 北京市教育委员会共建项目
作者单位E-mail
陈益强 中国科学院 计算技术研究所,北京 100190
移动计算与新型终端北京市重点实验室,北京 100190 
 
李秋实 中国科学院 计算技术研究所,北京 100190
中国科学院 研究生院,北京 100190 
 
刘军发 中国科学院 计算技术研究所,北京 100190
移动计算与新型终端北京市重点实验室,北京 100190 
liujunfa@ict.ac.cn 
胡琨 中国科学院 计算技术研究所,北京 100190
湘潭大学 信息工程学院,湖南 湘潭 411105 
 
陈振宇 中国科学院 计算技术研究所,北京 100190
中国科学院 研究生院,北京 100190 
 
摘要点击次数: 2132
全文下载次数: 3278
中文摘要:
      传统的情境感知系统多基于定位技术,以识别出重要的地点,但无法直观地描述用户所处的动态语义情境.提出了一种仅仅基于环境中动态蓝牙信息即可对情境进行准确感知的方法,即通过观察周围蓝牙设备的出现规律,提取多维动态特性,用以建立短时情境分类模型,并进一步将此模型运用到分析连续蓝牙轨迹,推断真实生活中的长时语义情境.针对实际环境中的6 种典型情境的实验,其结果表明,仅基于动态蓝牙信息,提取的动态情景特征能够有效体现各类移动情景特点,且情景决策树模型对于短时情景的平均识别准确率可达86.8%,优于传统的其他几种模型方法.同时,基于短时情景的识别结果,综合推断出用户所处的长时间情境,其正确率可达92%.
英文摘要:
      Traditional context-aware systems on mobile platform mainly focus on utilizing various localization based technologies to detect and recognize significantly meaningful places. However, they cannot intuitively describe the dynamic semantic context of the surroundings. In this paper, a novel context sensing approach is proposed to distinguish typical context based on dynamic Bluetooth information. The study builts a context classification model through observing the occurrence of ambient Bluetooth devices and dynamic statistical features extraction and further applied the model into inferring semantic social context based on Bluetooth traces from real-world personal lives. Evaluation results show, just based on dynamic Bluetooth information, the proposed feature extraction methods and DT (Decision Tree) can achieve an average accuracy of 86.8% for recognizing six representative short time-length contexts, which outperforms several traditional machine learning methods. In addition, the accuracy of long time-length context inferring can also reach 92% without any additional information but Bluetooth.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利