TY - Jour A2 - Martínez，弗朗西斯科Au - Ma，Chunmei Au - 朱，清奥 - 吴，sh澳 - 刘，宾PY - 2016 DA - 2016/09/07 TI - 代表学习从时间标记为移动人群的异构数据SP - 2097243 VL - 2016 AB - 移动人群化是一种新的范式，可以利用普遍的智能手机收集和分析数据以使用户受益。然而，由于粒度和多个传感器源，智能手机收集的感官数据通常涉及不同的数据类型。此外，数据也是时间标记的。异构和时间顺序数据引起了数据分析的新挑战。一些现有解决方案尝试逐个学习每种类型的数据，并在不考虑时间信息的情况下单独分析它们。此外，传统方法还必须确定电话方向，因为某些配备在智能手机中的传感器是相关的。在本文中，我们认为多个传感器的组合可以代表众一体上下文的不变特征。因此，我们提出了一种具有时间标签的异构数据的新代表学习方法，以利用深度学习提取典型特征。我们评估我们所提出的方法可以有效地适应不同方向产生的数据。 Furthermore, we test the performance of the proposed method by recognizing two group mobile activities, walking/cycling and driving/bus with smartphone sensors. It achieves precisions of 98.6 ％ 和 93.7 ％ 在将骑自行车与驾驶中分别与驾驶区分开来。SN - 1574-017X UR - HTTPS：//Doi.org/10.1155/2016/2097243 Do - 10.1155 / 2016/2097243 JF - 移动信息系统PB - Hindawi Publishing CorporationKW - ER -