用于情境识别的方法、装置以及计算机软件的制作方法
【专利摘要】各种实施例涉及情境识别。情境的分类通过使用从客户端设备的至少一个传感器接收的特征、以及由训练数据定义的模型参数来执行以输出情境的结果和似然度。向用户示出结果，该用户提供与结果有关的反馈。存储特征、结果、似然度以及反馈，由此使用特征、结果、似然度以及反馈来适配模型参数以获取经适配的模型参数。结果、似然度和反馈还能够用于执行置信度估计以获取置信度值。置信度值接着能够用于执行动作，例如添加新的传感器，添加新的特征，改变设备简档，启动应用。
【专利说明】用于情境识别的方法、装置以及计算机软件
【技术领域】
[0001] 各实施例涉及情境识别，并且尤其涉及模式分类。
【背景技术】
[0002] 情境感知计算描述了根据情境来在计算化的设备中适配不同的功能的技术。例 如，移动设备的使用情形和环境可以定义应该如何适配某应用的外观和功能性。移动设备 能够容易地利用位置、时间以及应用来作为情境数据源，但是，移动设备还可以包含各种传 感器以用于提供例如涉及基于由例如加速度计信号定义的移动和动态手势的用户活动的 情境信息。
[0003] 分类是用于情境识别的方法的示例。在分类中，根据未知对象的特征矢量来将未 知对象指派到类型。用于将对象分类到某类的准则通过向分类器呈现具有已知类的对象的 示例来形成。
[0004] 在众多实践应用中，使用贝叶斯分类器。分类器通过描述与每个类相关联的特征 分布的类分布来表示类。这些类分布经常使用从大的测试对象集合中收集的大的数据集合 中计算的特征来训练。以这一方式获取的分布可能一般有作用，但是由于个体差异而对于 某些人可能根本不起作用。
[0005] 能够通过收集来自用户的数据以及数据所属的情境的标记并且接着适配分布以 适配该数据来开发考虑用户的个体差异的分类器。在语音识别中，使用最大先验（MAP)和 最大似然线性回归（MLLR)。这些方法需要-除了适配数据之外-数据所属类的标记。
[0006] 基于反馈的另一方法确定从用户接收的反馈信号为正还是为负并且对应地更新 类的均值矢量。当反馈为正时，类均值矢量向适配数据移动，并且当反馈为负时，类均值矢 量离开适配数据。这样的系统不修改类协方差矩阵。
[0007] 此外，对于利用任意分类技术的现实应用，对于所识别的类除了是最可能的类之 外同样是正确的类具有某种置信度测量将是有益的。另外，在现实应用中，约束分类器出错 并且当这些错误发生时通知将同样是有益的。
[0008] 因此，存在对于需要来自用户的最低的反馈以用于适配分类器的分布并且使得能 够为分类结果计算置信度值的方案的需求。
【发明内容】
[0009] 现在已经提供了一种改进的方法和实现该方法的技术设备，通过它们减轻以上问 题。本发明的各种方面包括方法、装置、服务器、客户端以及包括存储在其中的计算机程序 的计算机可读介质，其特征在于独立权利要求中记载的内容。本发明的各种实施例在从属 权利要求中公开。
[0010] 根据第一方面，一种方法，包括使用从至少一个传感器接收的特征以及由训练数 据定义的模型参数来执行情境的分类以输出情境的结果和似然度（likelihood);示出结 果；从用户获取与结果有关的反馈；存储特征、结果、似然度以及反馈；以及使用特征、结 果、似然度以及反馈来执行模型参数的适配以获取经适配的模型参数。
[0011] 根据实施例，分类器为贝叶斯分类器。
[0012] 根据实施例，适配包括将函数f最小化。
[0013] 根据实施例，函数f取决于似然度值。
[0014] 根据实施例，对函数f的评估包括评估对应于相对于阈值的是yes与否no回答的 似然度值。
[0015] 根据实施例，函数f的形式为：
[0016]
【权利要求】
1. 一种方法，包括： -使用从至少一个传感器接收的特征以及由训练数据定义的模型参数来执行情境的分 类以输出所述情境的结果和似然度； -示出所述结果； -从用户获取与所述结果有关的反馈； -存储所述特征、结果、似然度以及所述反馈；以及 -使用所述特征、结果、似然度以及所述反馈来执行所述模型参数的适配以获取经适配 的模型参数。
2. 根据权利要求1所述的方法，其中所述分类器为贝叶斯分类器。
3. 根据权利要求1或2所述的方法，其中所述适配包括将函数f最小化。
4. 根据权利要求3所述的方法，其中所述函数f取决于所述似然度值。
5. 根据权利要求3所述的方法，其中对所述函数f的评估包括相对于阈值评估对应于 是yes和否no回答的所述似然度值。
6. 根据权利要求3所述的方法，其中所述函数f的形式为：
并且其中 A = {Lj(yes) |Lj(yes) > x95}并且 B = {Lj(no) |Lj(no) < x95}并且其中 I A|表示所述集合A中的项数； j为当前类的索引； Lj (no)为对应于具有"否"标签的观测值的似然度值的集合； N (no)为"否"回答的总数； Lj (yes)为对应于具有"是"标签的观测值的似然度值的集合； N (yes)为"是"回答的总数； 所述似然度值h被定义为：
并且经适配的类参数从
被获取。
7. 根据权利要求6所述的方法，包括使用无约束的非线性优化方法以用于所述函数f。
8. 根据前述权利要求1至7中任一项所述的方法，进一步包括向另一设备传送所述特 征、结果、似然度以及所述反馈。
9. 根据权利要求8所述的方法，进一步包括从所述另一设备接收经适配的模型参数。
10. 根据权利要求3至6中任一项所述的方法，进一步包括当所述函数f达到最小值时 停止所述适配。
11. 根据前述权利要求1至9中任一项所述的方法，进一步包括使用所述结果、似然度 以及所述反馈来执行置信度估计以获取置信度值。
12. 根据权利要求11所述的方法，进一步包括如果所述置信度值基本上与所述用户反 馈相匹配则停止所述适配。
13. 根据前述权利要求1至12中任一项所述的方法，包括向用户示出所述结果。
14. 一种用于在客户端装置处的置信度测量的方法，包括 -使用从至少一个传感器接收的特征和由训练数据定义的模型参数来执行情境的分类 以输出结果和似然度； -示出所述结果； -从用户获取与所述结果有关的反馈； -存储所述结果、似然度以及所述反馈； -使用所述结果、似然度以及所述反馈来执行置信度估计以获取置信度值；以及 -基于所述置信度值来执行动作。
15. 根据权利要求14所述的方法，其中所述动作为以下各项之一：添加新的传感器，添 加新的特征，改变设备简档，启动应用。
16. 根据权利要求14或15所述的方法，其中所述置信度估计包括估计所述用户回答是 的概率。
17. 根据权利要求14或15或16所述的方法，其中所述置信度估计包括使用所述似然 度和所述反馈来估计至少一个概率密度函数。
18. 根据权利要求17所述的方法，其中所述概率密度函数估计通过使用内核估计被执 行。
19. 根据权利要求14至18中任一项所述的方法，其中所述分类器为贝叶斯分类器。
20. 根据权利要求14至19中任一项所述的方法，进一步包括获取位置数据。
21. 根据权利要求20所述的方法，其中所述动作包括向另一设备传送所述位置数据、 所述结果以及所述置信度值。
22. 根据权利要求19所述的方法，进一步包括响应于所述位置数据、所述结果以及所 述置信度来从所述另一设备接收请求或服务。
23. 根据前述权利要求14至22中任一项所述的方法，包括向所述用户示出所述结果。
24. -种用于在服务器处的置信度测量的方法，包括： -接收位置数据和第一置信度值； -用所述位置数据和第一置信度值来更新数据库； -接收第二位置数据； -从所述数据库获取对应于所述第二位置数据的第二置信度值； -基于所述第二置信度值来执行动作，其中所述动作为以下各项之一：向另一设备传 送所述置信度值，请求另一设备执行情境分类，请求另一设备收集更多的用户反馈，提供服 务。
25. 根据权利要求24所述的方法，其中所述服务为推荐或广告。
26. -种装置，包括处理器、包括有计算机程序代码的存储器，所述存储器和所述计算 机程序代码被配置成与所述处理器一起，使得所述装置至少执行以下各项 ： -使用从至少一个传感器接收的特征和由训练数据定义的模型参数来执行情境的分类 以输出所述情境的结果和似然度； -示出所述结果； -从用户获取与所述结果有关的反馈； -存储所述特征、结果、似然度以及所述反馈；以及 -使用所述特征、结果、似然度以及所述反馈来执行所述模型参数的适配以获取经适配 的模型参数。
27. 根据权利要求26所述的装置，其中所述分类器为贝叶斯分类器。
28. 根据权利要求26或27所述的装置，进一步包括计算机程序代码，所述计算机程序 代码被配置成与所述处理器一起，使得所述装置至少执行以下： -针对所述适配将函数f最小化。
29. 根据权利要求28所述的装置，其中所述函数f取决于所述似然度值。
30. 根据权利要求28所述的装置，进一步包括计算机程序代码，所述计算机程序代码 被配置成与所述处理器一起，使得所述装置至少执行以下： -相对于阈值评估对应于是和否回答的所述似然度值以用于对所述函数f的所述评 估。
31. 根据权利要求28所述的装置，其中所述函数f的形式为
并且其中 A = {Lj(yes) |Lj(yes) > x95}并且 B = {Lj(no) |Lj(no) < x95}并且其中 I A|表示所述集合A中的项数； j为当前类的索引； Lj (no)为对应于具有"否"标签的观测值的似然度值的集合； N (no)为"否"回答的总数； Lj (yes)为对应于具有"是"标签的观测值的似然度值的集合； N (yes)为"是"回答的总数； 所述似然度值h被定义为：
并且经适配的类参数从
被获取。
32. 根据权利要求31所述的装置，进一步包括计算机程序代码，所述计算机程序代码 被配置成与所述处理器一起，使得所述装置至少执行以下： -使用无约束的非线性优化方法以用于所述函数f。
33. 根据权利要求26至31中任一项所述的装置，进一步包括计算机程序代码，所述计 算机程序代码被配置成与所述处理器一起，使得所述装置至少执行以下： -向另一设备传送所述特征、结果、似然度以及所述反馈。
34. 根据权利要求33所述的装置，进一步包括计算机程序代码，所述计算机程序代码 被配置成与所述处理器一起，使得所述装置至少执行以下： -从所述另一设备接收经适配的模型参数。
35. 根据权利要求28至34中任一项所述的装置，进一步包括计算机程序代码，所述计 算机程序代码被配置成与所述处理器一起，使得所述装置至少执行以下： -当所述函数f达到最小值时停止所述适配。
36. 根据权利要求26至34中任一项所述的装置，进一步包括计算机程序代码，所述计 算机程序代码被配置成与所述处理器一起，使得所述装置至少执行以下： -使用所述结果、似然度以及所述反馈来执行置信度估计以获取置信度值。
37. 根据权利要求36所述的装置，进一步包括计算机程序代码，所述计算机程序代码 被配置成与所述处理器一起，使得所述装置至少执行至少以下： -如果所述置信度值基本上与所述用户反馈相匹配则停止所述适配。
38. 根据前述权利要求26至37中任一项所述的装置，进一步包括计算机程序代码，所 述计算机程序代码被配置成与所述处理器一起，使得所述装置至少执行以下： -向所述用户示出所述结果。
39. -种装置，包括处理器、包括有计算机程序代码的存储器，所述存储器和所述计算 机程序代码被配置成与所述处理器一起，使得所述装置至少执行以下各项 ： -使用从至少一个传感器接收的特征以及由训练数据定义的模型参数来执行情境的分 类以输出结果和似然度； -示出所述结果； -从用户获取与所述结果有关的反馈； -存储所述结果、似然度以及所述反馈； -使用所述结果、似然度以及所述反馈来执行置信度估计以获取置信度值；以及 -基于所述置信度值来执行动作。
40. 根据权利要求39所述的装置，其中所述动作为以下各项之一：添加新的传感器，添 加新的特征，改变设备简档，启动应用。
41. 根据权利要求39或40所述的装置，其中所述置信度估计包括估计所述用户回答是 的概率。
42. 根据权利要求39或40或41所述的装置，其中所述置信度估计包括使用所述似然 度和所述反馈来估计至少一个概率密度函数。
43. 根据权利要求42所述的装置，进一步包括计算机程序代码，所述计算机程序代码 被配置成与所述处理器一起，使得所述装置至少执行以下： -通过使用内核估计来执行所述概率密度函数估计。
44. 根据权利要求39至43中任一项所述的装置，其中所述分类器为贝叶斯分类器。
45. 根据权利要求39至44中任一项所述的装置，进一步包括计算机程序代码，所述计 算机程序代码被配置成与所述处理器一起，使得所述装置至少执行以下： -获取位置数据。
46. 根据权利要求45所述的装置，进一步包括计算机程序代码，所述计算机程序代码 被配置成与所述处理器一起，使得所述装置至少执行以下： -向另一设备传送所述位置数据、所述结果以及所述置信度值。
47. 根据权利要求46所述的装置，进一步包括计算机程序代码，所述计算机程序代码 被配置成与所述处理器一起，使得所述装置至少执行以下： -响应于所述位置数据、所述结果以及所述置信度来从所述另一设备接收请求或服务。
48. 根据前述权利要求39至47中任一项所述的装置，进一步包括计算机程序代码，所 述计算机程序代码被配置成与所述处理器一起，使得所述装置至少执行以下： -向所述用户示出所述结果。
49. 一种装置，包括处理器、包括有计算机程序代码的存储器，所述存储器和所述计算 机程序代码被配置成与所述处理器一起，使得所述装置至少执行以下各项 ： -接收位置数据和第一置信度值； -用所述位置数据和第一置信度值来更新数据库； -接收第二位置数据； -从所述数据库获取对应于所述第二位置数据的第二置信度值； -基于所述第二置信度值来执行动作，其中所述动作为以下各项之一：向另一设备传 送所述置信度值，请求另一设备执行情境分类，请求另一设备收集更多的用户反馈，提供服 务。
50. 根据权利要求49所述的装置，其中所述服务是推荐或广告。
51. -种被体现在非瞬态计算机可读介质上的计算机程序，所述计算机程序包括指令， 所述指令当在至少一个处理器上被执行时，使得至少一个装置： -使用从至少一个传感器接收的特征和由训练数据定义的模型参数来执行情境的分类 以输出所述情境的结果和似然度； -示出所述结果； -从用户获取与所述结果有关的反馈； -存储所述特征、结果、似然度以及所述反馈；以及 -使用所述特征、结果、似然度以及所述反馈来执行所述模型参数的适配以获取经适配 的模型参数。
52. -种计算机程序，包括指令，所述指令当在至少一个处理器上被执行时，使得至少 一个装置： -使用从至少一个传感器接收的特征和由训练数据定义的模型参数来执行情境的分类 以输出所述情境的结果和似然度； -示出所述结果； -从用户获取与所述结果有关的反馈； -存储所述特征、结果、似然度以及所述反馈；以及 -使用所述特征、结果、似然度以及所述反馈来执行所述模型参数的适配以获取经适配 的模型参数。
53. -种被体现在非瞬态计算机可读介质上的计算机程序，所述计算机程序包括指令， 所述指令当在至少一个处理器上被执行时，使得至少一个装置： -使用从至少一个传感器接收的特征和由训练数据定义的模型参数来执行情境的分类 以输出结果和似然度； -示出所述结果； -从用户获取与所述结果有关的反馈； -存储所述结果、似然度以及所述反馈； -使用所述结果、似然度以及所述反馈来执行置信度估计以获取置信度值；以及 -基于所述置信度值来执行动作。
54. -种计算机程序，包括指令，所述指令当在至少一个处理器上被执行时，使得至少 一个装置： -使用从至少一个传感器接收的特征和由训练数据定义的模型参数来执行情境的分类 以输出结果和似然度； -示出所述结果； -从用户获取与所述结果有关的反馈； -存储所述结果、似然度以及所述反馈； -使用所述结果、似然度以及所述反馈来执行置信度估计以获取置信度值；以及 -基于所述置信度值来执行动作。
55. -种被体现在非瞬态计算机可读介质上的计算机程序，所述计算机程序包括指令， 所述指令当在至少一个处理器上被执行时，使得至少一个装置： -接收位置数据和第一置信度值； -用所述位置数据和第一置信度值来更新数据库； -接收第二位置数据； -从所述数据库获取对应于所述第二位置数据的第二置信度值； -基于所述第二置信度值来执行动作，其中所述动作为以下各项之一：向另一设备传 送所述置信度值，请求另一设备执行情境分类，请求另一设备收集更多的用户反馈，提供服 务。
56. -种计算机程序，包括指令，所述指令当在至少一个处理器上被执行时，使得至少 一个装置： -接收位置数据和第一置信度值； -用所述位置数据和第一置信度值来更新数据库； -接收第二位置数据； -从所述数据库获取对应于所述第二位置数据的第二置信度值； -基于所述第二置信度值来执行动作，其中所述动作为以下各项之一：向另一设备传 送所述置信度值，请求另一设备执行情境分类，请求另一设备收集更多的用户反馈，提供服 务。
57. -种装置，包括处理装置、包括有计算机程序代码的存储器装置，所述装置进一步 包括： -处理装置，被配置成使用从至少一个传感器接收的特征和由训练数据定义的模型参 数来执行情境的分类以输出所述情境的结果和似然度； -显示装置，被配置成示出所述结果； -输入装置，被配置成从用户获取与所述结果有关的反馈； -存储器装置，被配置成存储所述特征、结果、似然度以及所述反馈；以及 -处理装置，被配置成使用所述特征、结果、似然度以及所述反馈来执行所述模型参数 的适配以获取经适配的模型参数。
58. -种装置，包括处理装置、包括有计算机程序代码的存储器装置，所述装置进一步 包括： -处理装置，被配置成使用从至少一个传感器接收的特征和由训练数据定义的模型参 数来执行情境的分类以输出结果和似然度； -显示装置，被配置成示出所述结果； -输入装置，被配置成从用户获取与所述结果有关的反馈； -存储器装置，被配置成存储所述结果、似然度以及所述反馈； -处理装置，被配置成使用所述结果、似然度以及所述反馈来执行置信度估计以获取置 信度值；以及 -处理装置，被配置成基于所述置信度值来执行动作。
59. -种装置，包括处理装置、包括有计算机程序代码的存储器装置，所述装置进一步 包括： -接收装置，被配置成接收位置数据和第一置信度值； -更新装置，被配置成用所述位置数据和第一置信度值来更新数据库； -接收装置，被配置成接收第二位置数据； -获取装置，被配置成从所述数据库获取对应于所述第二位置数据的第二置信度值； -处理装置，被配置成基于所述第二置信度值来执行动作，其中所述动作为以下各项之 一：向另一设备传送所述置信度值，请求另一设备执行情境分类，请求另一设备收集更多的 用户反馈，提供服务。
【文档编号】G06K9/62GK104094287SQ201180076349
【公开日】2014年10月8日 申请日期:2011年12月21日 优先权日:2011年12月21日
【发明者】J·莱帕南, A·埃罗南, J·科林 申请人:诺基亚公司