一種降低錄播系統(tǒng)學(xué)生行為分析誤判的方法和裝置的制造方法
【專利摘要】本發(fā)明公開了一種降低錄播系統(tǒng)學(xué)生行為分析誤判的方法，所述方法包括：將運動數(shù)據(jù)輸入預(yù)先處理器進(jìn)行預(yù)處理；將處理后的運動屬性傳輸至訓(xùn)練器和分析器；所述訓(xùn)練器進(jìn)行模型訓(xùn)練，以得到?jīng)Q策模型；所述分析器分析各個行為模型。本發(fā)明提供一種機器學(xué)習(xí)的方法來就降低學(xué)生行為分析誤判的方法，由數(shù)據(jù)預(yù)處理器、模型訓(xùn)練器、分析器組成，通過對預(yù)處理器的數(shù)據(jù)進(jìn)行訓(xùn)練，系統(tǒng)根據(jù)教學(xué)環(huán)境學(xué)校一個行為分析模型，完成行為分析自動檢測，這樣避免了參數(shù)法所需要的大量參數(shù)設(shè)置，引起誤判的問題。
【專利說明】
一種降低錄播系統(tǒng)學(xué)生行為分析誤判的方法和裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及機器學(xué)習(xí)領(lǐng)域，尤其涉及一種降低錄播系統(tǒng)學(xué)生行為分析誤判的方法 和裝置。
【背景技術(shù)】
[0002] 教學(xué)錄播系統(tǒng)需要分析學(xué)生課堂動作行為，根據(jù)行為決定拍攝策略，目前市場技 術(shù)方案總體是采用參數(shù)法，根據(jù)分析學(xué)生運動軌跡，設(shè)定一些閥值和參數(shù)，對學(xué)生站立和坐 下進(jìn)行判斷。這種方法主要弊端是，教學(xué)環(huán)境往往比較復(fù)雜，需要與拍攝景深、廣角、站立姿 勢、時間等因素影響，需要設(shè)置參數(shù)非常多，各種參數(shù)的組合非常大，一方面施工難度非常 大，另外一方面設(shè)置不準(zhǔn)確容易導(dǎo)致系統(tǒng)誤判。本發(fā)明提供一種機器學(xué)習(xí)的方法來就降低 學(xué)生行為分析誤判的方法，由數(shù)據(jù)預(yù)處理器、模型訓(xùn)練器、分析器組成，通過對預(yù)處理器的 數(shù)據(jù)進(jìn)行訓(xùn)練，系統(tǒng)根據(jù)教學(xué)環(huán)境學(xué)校一個行為分析模型，完成行為分析自動檢測，這樣避 免了參數(shù)法所需要的大量參數(shù)設(shè)置，引起誤判的問題。

【發(fā)明內(nèi)容】

[0003] 基于此，本發(fā)明提供了一種降低錄播系統(tǒng)學(xué)生行為分析誤判的方法和裝置。
[0004] -種基于機器學(xué)習(xí)技術(shù)降低錄播系統(tǒng)學(xué)生行為分析誤判的方法，所述方法包括：
[0005] 將運動數(shù)據(jù)輸入預(yù)先處理器進(jìn)行預(yù)處理；
[0006] 將處理后的運動屬性傳輸至訓(xùn)練器和分析器；
[0007] 所述訓(xùn)練器進(jìn)行模型訓(xùn)練，以得到?jīng)Q策模型；
[0008] 所述分析器分析各個行為模型。
[0009] 在其中一個實施例中，所述將運動數(shù)據(jù)輸入預(yù)先處理器進(jìn)行預(yù)處理的步驟包括： [0010]角點運動聚類分區(qū)；
[0011] 提取所述分區(qū)形成局部運動；
[0012] 計算局部運動運動屬性；
[0013] 將運動屬性傳輸給訓(xùn)練器和分析器。
[0014] 在其中一個實施例中，所述訓(xùn)練器進(jìn)行模型訓(xùn)練，以得到?jīng)Q策模型包括：
[0015] 選擇13點進(jìn)行訓(xùn)練:其中，至少選擇13個點作為正樣板訓(xùn)練，隨機選擇9-20個點作 為負(fù)樣板訓(xùn)練正樣本13個點位為拍攝區(qū)域的中心，以及8個邊角點以及2對角線1/4等分點。 如要分析學(xué)生站立，正樣本為學(xué)生站立，負(fù)樣本為其他動作；
[0016] 模型計算:首先根據(jù)第一步的樣本按照表1的變量計算各個運動屬性，計算行為信 息量，計算公式如下：
，pi(D)表示變量D為i的概率；
[0017] 計算表1所有變量的信息增益：

其中v(A)表示需要計算的變量的屬性值的個數(shù)，p (D( i))表示變量A的第i個值對應(yīng)的D的子集D( i)在D變量值集合的占比。
[0018]根據(jù)信息增益最大的變量構(gòu)建決策樹左右分支，完成決策樹構(gòu)建。
[0019] 在其中一個實施例中，所述方法還包括：
[0020] 分析器將需要分析的各個行為模型，采用鏈表的形式鏈接在一起，形成分析模型 鏈；
[0021 ]從分析模型鏈的第一個節(jié)點開始，將預(yù)處理器計算好的運動屬性，依次通過訓(xùn)練 好的模型決策樹，得到最好的行為決策。如果當(dāng)前模型行為分析結(jié)果為真，則分析器停止分 析輸出結(jié)果，否則分析器從分析模型鏈取下一個行為分析模型，繼續(xù)分析，直到分析完成。 [0022] -種基于機器學(xué)習(xí)技術(shù)降低錄播系統(tǒng)學(xué)生行為分析誤判的裝置，所述裝置包括： [0023]預(yù)處理模塊，用于將運動數(shù)據(jù)輸入預(yù)先處理器進(jìn)行預(yù)處理；
[0024]傳輸模塊，用于將處理后的運動屬性傳輸至訓(xùn)練器和分析器；
[0025] 訓(xùn)練模塊，用于進(jìn)行模型訓(xùn)練，以得到?jīng)Q策模型；
[0026] 分析模塊，用于分析各個行為模型。
[0027]在其中一個實施例中，所述預(yù)處理模塊包括：
[0028] 運動單元，用于角點運動聚類分區(qū)；
[0029] 提取單元，用于提取所述分區(qū)形成局部運動；
[0030] 計算單元，用于計算局部運動運動屬性；
[0031] 傳輸單元，用于將運動屬性傳輸給訓(xùn)練器和分析器。
[0032] 在其中一個實施例中，所述訓(xùn)練模塊包括：
[0033] 選擇訓(xùn)練單元，用于選擇13點進(jìn)行訓(xùn)練:其中，至少選擇13個點作為正樣板訓(xùn)練， 隨機選擇9-20個點作為負(fù)樣板訓(xùn)練正樣本13個點位為拍攝區(qū)域的中心，以及8個邊角點以 及2對角線1/4等分點。如要分析學(xué)生站立，正樣本為學(xué)生站立，負(fù)樣本為其他動作；
[0034] 模型計算單元，用于模型計算:首先根據(jù)第一步的樣本按照表1的變量計算各個運 動屬性，計算行為信息量，計算公式如下：
[0036] 計算單元，用于計算表1所有變量的信息增益：
[0037]
v(A)表示需要計算的變量的屬性值的個數(shù)，p(D(i))表示變量A的第i個值對應(yīng)的D的子集D (i)在D變量值集合的占比。
[0038] 構(gòu)建單元，用于根據(jù)信息增益最大的變量構(gòu)建決策樹左右分支，完成決策樹構(gòu)建。
[0039] 在其中一個實施例中，所述裝置還包括：
[0040] 分析模塊，用于將需要分析的各個行為模型，采用鏈表的形式鏈接在一起，形成分 析模型鏈；
[0041] 分析輸出模塊，從分析模型鏈的第一個節(jié)點開始，將預(yù)處理器計算好的運動屬性， 依次通過訓(xùn)練好的模型決策樹，得到最好的行為決策，如果當(dāng)前模型行為分析結(jié)果為真，則 分析器停止分析輸出結(jié)果，否則分析器從分析模型鏈取下一個行為分析模型，繼續(xù)分析，直 到分析完成。
[0042] 有益效果：
[0043] 本發(fā)明公開了一種降低錄播系統(tǒng)學(xué)生行為分析誤判的方法，所述方法包括:將運 動數(shù)據(jù)輸入預(yù)先處理器進(jìn)行預(yù)處理;將處理后的運動屬性傳輸至訓(xùn)練器和分析器;所述訓(xùn) 練器進(jìn)行模型訓(xùn)練，以得到?jīng)Q策模型;所述分析器分析各個行為模型。本發(fā)明提供一種機器 學(xué)習(xí)的方法來就降低學(xué)生行為分析誤判的方法，由數(shù)據(jù)預(yù)處理器、模型訓(xùn)練器、分析器組 成，通過對預(yù)處理器的數(shù)據(jù)進(jìn)行訓(xùn)練，系統(tǒng)根據(jù)教學(xué)環(huán)境學(xué)校一個行為分析模型，完成行為 分析自動檢測，這樣避免了參數(shù)法所需要的大量參數(shù)設(shè)置，引起誤判的問題。
【附圖說明】
[0044]為了更清楚地說明本發(fā)明運行原理和使用的技術(shù)方案，下面將對運行原理和使用 的技術(shù)中所需要使用的附圖作簡單地介紹。顯而易見，下面描述中的附圖僅僅是本發(fā)明的 一些運行例子，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù) 這些附圖獲得其它的附圖。
[0045] 圖1是本發(fā)明的一種降低錄播系統(tǒng)學(xué)生行為分析誤判的裝置的方法流程圖。
[0046] 圖2是本發(fā)明的一種降低錄播系統(tǒng)學(xué)生行為分析誤判的裝置框圖。
【具體實施方式】
[0047] 下面將結(jié)合本發(fā)明運行原理中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、 完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其 他實施例，都屬于本發(fā)明保護(hù)的范圍。
[0048] 請參照圖1，一種降低錄播系統(tǒng)學(xué)生行為分析誤判的方法，所述方法包括：
[0049] S101:將運動數(shù)據(jù)輸入預(yù)先處理器進(jìn)行預(yù)處理；
[0050] S102:將處理后的運動屬性傳輸至訓(xùn)練器和分析器；
[0051 ] S103:所述訓(xùn)練器進(jìn)行模型訓(xùn)練，以得到?jīng)Q策模型；
[0052] S104:所述分析器分析各個行為模型。
[0053]在其中一個實施例中，所述將運動數(shù)據(jù)輸入預(yù)先處理器進(jìn)行預(yù)處理的步驟包括： [0054]角點運動聚類分區(qū)；
[0055] 提取所述分區(qū)形成局部運動；
[0056] 計算局部運動運動屬性；
[0057]將運動屬性傳輸給訓(xùn)練器和分析器。
[0058]在其中一個實施例中，所述訓(xùn)練器進(jìn)行模型訓(xùn)練，以得到?jīng)Q策模型包括：
[0059]選擇13點進(jìn)行訓(xùn)練:其中，至少選擇13個點作為正樣板訓(xùn)練，隨機選擇9-20個點作 為負(fù)樣板訓(xùn)練正樣本13個點位為拍攝區(qū)域的中心，以及8個邊角點以及2對角線1/4等分點。 如要分析學(xué)生站立，正樣本為學(xué)生站立，負(fù)樣本為其他動作；
[0060]模型計算:首先根據(jù)第一步的樣本按照表1的變量計算各個運動屬性，計算行為信 息量，計算公式如下
，pi(D)表示變量D為i的概率；
[0061] 計算表1所有變量的信息增益

，其中v(A)表示需要計算的變量的屬性值的個數(shù)，p (D( i))表示變量A的第i個值對應(yīng)的D的子集D( i)在D變量值集合的占比。
[0062] 根據(jù)信息增益最大的變量構(gòu)建決策樹左右分支，完成決策樹構(gòu)建。
[0063] 在其中一個實施例中，所述方法還包括：
[0064] 分析器將需要分析的各個行為模型，采用鏈表的形式鏈接在一起，形成分析模型 鏈；
[0065] 從分析模型鏈的第一個節(jié)點開始，將預(yù)處理器計算好的運動屬性，依次通過訓(xùn)練 好的模型決策樹，得到最好的行為決策。如果當(dāng)前模型行為分析結(jié)果為真，則分析器停止分 析輸出結(jié)果，否則分析器從分析模型鏈取下一個行為分析模型，繼續(xù)分析，直到分析完成。
[0066] 請參照圖2,一種降低錄播系統(tǒng)學(xué)生行為分析誤判的裝置，所述裝置包括：
[0067] 預(yù)先處理器100，用于將運動數(shù)據(jù)輸入預(yù)先處理器進(jìn)行預(yù)處理；
[0068]傳輸模塊，用于將處理后的運動屬性傳輸至訓(xùn)練器和分析器；
[0069] 模型訓(xùn)練器200,用于進(jìn)行模型訓(xùn)練，以得到?jīng)Q策模型；
[0070] 分析器300，用于分析各個行為模型。
[0071 ]在其中一個實施例中，所述預(yù)處理模塊包括：
[0072] 運動單元，用于角點運動聚類分區(qū)；
[0073] 提取單元，用于提取所述分區(qū)形成局部運動；
[0074] 計算單元，用于計算局部運動運動屬性；
[0075] 傳輸單元，用于將運動屬性傳輸給訓(xùn)練器和分析器。
[0076] 在其中一個實施例中，所述訓(xùn)練模塊包括：
[0077] 選擇訓(xùn)練單元，用于選擇13點進(jìn)行訓(xùn)練:其中，至少選擇13個點作為正樣板訓(xùn)練， 隨機選擇9-20個點作為負(fù)樣板訓(xùn)練正樣本13個點位為拍攝區(qū)域的中心，以及8個邊角點以 及2對角線1/4等分點。如要分析學(xué)生站立，正樣本為學(xué)生站立，負(fù)樣本為其他動作；
[0078] 模型計算單元，用于模型計算:首先根據(jù)第一步的樣本按照表1的變量計算各個運 動屬性，計算行為信息量，計算公式如下：
[0080]計算單元，用于計算表1所有變量的信息增益：
[0081 ]
其中 v(A)表示需要計算的變量的屬性值的個數(shù)，p(D(i))表示變量A的第i個值對應(yīng)的D的子集D (i)在D變量值集合的占比。
[0082] 構(gòu)建單元，用于根據(jù)信息增益最大的變量構(gòu)建決策樹左右分支，完成決策樹構(gòu)建。
[0083] 在其中一個實施例中，所述裝置還包括：
[0084]分析模塊，用于將需要分析的各個行為模型，采用鏈表的形式鏈接在一起，形成分 析模型鏈；
[0085]分析輸出模塊，從分析模型鏈的第一個節(jié)點開始，將預(yù)處理器計算好的運動屬性， 依次通過訓(xùn)練好的模型決策樹，得到最好的行為決策，如果當(dāng)前模型行為分析結(jié)果為真，則 分析器停止分析輸出結(jié)果，否則分析器從分析模型鏈取下一個行為分析模型，繼續(xù)分析，直 到分析完成。
[0086]本發(fā)明公開了一種基于機器學(xué)習(xí)技術(shù)降低錄播系統(tǒng)學(xué)生行為分析誤判的方法，所 述方法包括:將運動數(shù)據(jù)輸入預(yù)先處理器進(jìn)行預(yù)處理;將處理后的運動屬性傳輸至訓(xùn)練器 和分析器;所述訓(xùn)練器進(jìn)行模型訓(xùn)練，以得到?jīng)Q策模型;所述分析器分析各個行為模型。本 發(fā)明提供一種機器學(xué)習(xí)的方法來就降低學(xué)生行為分析誤判的方法，由數(shù)據(jù)預(yù)處理器、模型 訓(xùn)練器、分析器組成，通過對預(yù)處理器的數(shù)據(jù)進(jìn)行訓(xùn)練，系統(tǒng)根據(jù)教學(xué)環(huán)境學(xué)校一個行為分 析模型，完成行為分析自動檢測，這樣避免了參數(shù)法所需要的大量參數(shù)設(shè)置，引起誤判的問 題。
[0087]以上對本發(fā)明運行原理進(jìn)行了詳細(xì)介紹，上述運行原理的說明只是用于幫助理解 本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具 體實施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明 的限制。
[0088]所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，僅以上述各功能 模塊的劃分進(jìn)行舉例說明，實際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能模 塊完成，即將裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功 能。上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應(yīng)過 程，在此不再贅述。
[0089]所述作為分離部件說明的單元可以使或者也可以不是物理上分開的，作為單元顯 示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個 網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本發(fā)明實施例方案 的目的。
[0090] 另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個芯片單元中，也可以 是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元上。上述集成的單 元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。
[0091] 所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用 時，可以存儲在一個計算機可讀取存儲介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上 或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式 體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機 設(shè)備(可以是個人計算機，服務(wù)器或者網(wǎng)絡(luò)設(shè)備等)或處理器(processor)執(zhí)行本發(fā)明各個 實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括:U盤、移動硬盤、只讀存儲器 (R0M，Read_0nly Memory)、隨機存取存儲器（RAM，Random Access Memory)、磁碟或者光盤 各種可以存儲程序代碼的介質(zhì)。
[0092] 應(yīng)當(dāng)理解，本發(fā)明的實施方式的各部分可以用硬件、軟件、固件或他們的組合來實 現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng) 執(zhí)行的軟件或固件來實現(xiàn)。例如，如果用硬件來實現(xiàn)，和在另一個實施方式中一樣，可用本 領(lǐng)域公知的下列技術(shù)中的任一項或他們的組合來實現(xiàn);具有用于對數(shù)據(jù)信號實現(xiàn)邏輯功能 的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣 列（PGA)，現(xiàn)場可編程門陣列(FPGA)。以上對本發(fā)明運行原理進(jìn)行了詳細(xì)介紹，上述運行原 理的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人 員，依據(jù)本發(fā)明的思想，在【具體實施方式】及應(yīng)用范圍上均會有改變之處，綜上所述，本說明 書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。
【主權(quán)項】
1. 一種降低錄播系統(tǒng)學(xué)生行為分析誤判的方法，其特征在于，所述方法包括： 將運動數(shù)據(jù)輸入預(yù)先處理器進(jìn)行預(yù)處理； 將處理后的運動屬性傳輸至訓(xùn)練器和分析器； 所述訓(xùn)練器進(jìn)行模型訓(xùn)練，W得到?jīng)Q策模型； 所述分析器分析各個行為模型。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將運動數(shù)據(jù)輸入預(yù)先處理器進(jìn)行預(yù)處 理的步驟包括： 角點運動聚類分區(qū)； 提取所述分區(qū)形成局部運動； 計算局部運動運動屬性； 將運動屬性傳輸給訓(xùn)練器和分析器。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述訓(xùn)練器進(jìn)行模型訓(xùn)練，W得到?jīng)Q策模 型包括： 選擇13點進(jìn)行訓(xùn)練:其中，至少選擇13個點作為正樣板訓(xùn)練，隨機選擇9-20個點作為負(fù) 樣板訓(xùn)練正樣本13個點位為拍攝區(qū)域的中屯、，W及8個邊角點W及2對角線1/4等分點。如要 分析學(xué)生站立，正樣本為學(xué)生站立，負(fù)樣本為其他動作； 模型計算：首先根據(jù)第一步的樣本按照表1的變量計算各個運動屬性，計算行為信息 量，計算公式如下ipi(D)表示變量D為i的概率； 計算表1所有變量的信息增益其中v(A)表示需要計算的變量的屬性值的個數(shù)，P (D( i))表示變量A的第i個值對應(yīng)的D的子集D( i)在D變量值集合的占比。 根據(jù)信息增益最大的變量構(gòu)建決策樹左右分支，完成決策樹構(gòu)建。4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括： 分析器將需要分析的各個行為模型，采用鏈表的形式鏈接在一起，形成分析模型鏈； 從分析模型鏈的第一個節(jié)點開始，將預(yù)處理器計算好的運動屬性，依次通過訓(xùn)練好的 模型決策樹，得到最好的行為決策。如果當(dāng)前模型行為分析結(jié)果為真，則分析器停止分析輸 出結(jié)果，否則分析器從分析模型鏈取下一個行為分析模型，繼續(xù)分析，直到分析完成。5. -種降低錄播系統(tǒng)學(xué)生行為分析誤判的裝置，其特征在于，所述裝置包括： 預(yù)處理模塊，用于將運動數(shù)據(jù)輸入預(yù)先處理器進(jìn)行預(yù)處理； 傳輸模塊，用于將處理后的運動屬性傳輸至訓(xùn)練器和分析器； 訓(xùn)練器，用于進(jìn)行模型訓(xùn)練，W得到?jīng)Q策模型； 分析器，用于分析各個行為模型。6. 根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述預(yù)處理模塊包括： 運動單元，用于角點運動聚類分區(qū)； 提取單元，用于提取所述分區(qū)形成局部運動； 計算單元，用于計算局部運動運動屬性； 傳輸單元，用于將運動屬性傳輸給訓(xùn)練器和分析器。7. 根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述訓(xùn)練模塊包括： 選擇訓(xùn)練單元，用于選擇13點進(jìn)行訓(xùn)練:其中，至少選擇13個點作為正樣板訓(xùn)練，隨機 選擇9-20個點作為負(fù)樣板訓(xùn)練正樣本13個點位為拍攝區(qū)域的中屯、，W及8個邊角點W及2對 角線1/4等分點。如要分析學(xué)生站立，正樣本為學(xué)生站立，負(fù)樣本為其他動作； 模型計算單元，用于模型計算:首先根據(jù)第一步的樣本按照表1的變量計算各個運動屬 性，計算行為信息量，計算公式如下：，pi(D)表示變量D為i的概率； 計算單元，用于計算表1所有變量的信息增益：其中v(A) 表示需要計算的變量的屬性值的個數(shù)，P(D(i))表示變量A的第i個值對應(yīng)的D的子集D(i)在 D變量值集合的占比。 構(gòu)建單元，用于根據(jù)信息增益最大的變量構(gòu)建決策樹左右分支，完成決策樹構(gòu)建。8. 根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述裝置還包括： 分析模塊，用于將需要分析的各個行為模型，采用鏈表的形式鏈接在一起，形成分析模 型鏈； 分析輸出模塊，從分析模型鏈的第一個節(jié)點開始，將預(yù)處理器計算好的運動屬性，依次 通過訓(xùn)練好的模型決策樹，得到最好的行為決策，如果當(dāng)前模型行為分析結(jié)果為真，則分析 器停止分析輸出結(jié)果，否則分析器從分析模型鏈取下一個行為分析模型，繼續(xù)分析，直到分 析完成。
【文檔編號】G06N99/00GK106096666SQ201610483061
【公開日】2016年11月9日
【申請日】2016年6月24日
【發(fā)明人】鄧劍鴻, 孫銓
【申請人】惠州紫旭科技有限公司