[发明专利]基于手机传感器的朋友推荐方法

权利要求书

1.一种基于手机传感器的朋友推荐方法，其特征在于，包括：

步骤1，采集数据：采集手机传感器的传感器数据；

步骤2，清洗数据：通过对所述传感器数据依次进行排序、插值和过滤处理，去除所述传感器数据中的噪音；

步骤3，对所述步骤2清洗后的传感器数据分别进行用户行为识别处理和用户交互检测处理，通过所述用户行为识别处理识别出用户所进行的社交活动，向用户所在的推荐区域内进行同一类活动的其他用户进行共同活动朋友推荐；通过所述用户交互检测处理检测出与用户发生社交活动交互的其他用户，向检测出的发生社交活动交互的其他用户进行交互活动朋友推荐；

所述方法的步骤3中，对清洗后的传感器数据进行用户行为识别处理的方式如下：将清洗后的传感器数据划分成多个片段，每个片段由2.56秒时长采集的数据组成；通过短时傅里叶变换将分成多个片段的清洗后的传感器数据变换为频率和相位数据；通过深度学习网络结构提取得到所述频率和相位数据中的特征，并对所述特征进行识别得出用户所进行的社交活动；

所述方法的行为识别处理中，所用的深度学习网络结构的第一层是卷积连接的网络，后面连接着由多个具有线性瓶颈的倒残差结构，所述线性瓶颈的倒残差结构包含逐点卷积、深度可分卷积和跳过连接；

所述方法的步骤3中，对清洗后的传感器数据进行用户交互检测处理的方式如下：

检测本用户与对应用户的传感器数据进行两个用户行为检测，先分别对本用户与对应用户的传感器数据进行处理，均依次进行分割数据和提取时间戳的处理，其中，

步骤31，分割数据为：按设定分割数据的窗口大小和重叠比例对清洗后的所述传感器数据进行分割，分割成多个数据片段；

步骤32，提取时间戳为：对每个数据片段提取波峰所在的位置，将每个波峰位置的时间戳提取出来保存成向量；

在经过上述处理分别得到本用户与对应用户的向量后，依次进行下述处理：

步骤33，计算向量之间的距离：利用动态规划处理计算出两个用户对应向量之间的距离，将计算多对向量得出的距离组成特征向量；

步骤34，分类识别：对得到的所述特征向量进行二分类的真和假判断，真表示两个用户是在一起进行活动，假表示两个用户不是在一起活动。

2.根据权利要求1的所述基于手机传感器的朋友推荐方法，其特征在于，所述方法的步骤3中，向用户所在的推荐区域内进行同一类活动的其他用户进行共同活动朋友推荐：

以用户所在位置为圆心并按设定半径覆盖的用户周围的圆形区域为用户所在的推荐区域，向用户所在的推荐区域内进行同一类活动的其他用户进行共同活动朋友推荐。

3.根据权利要求1或2的所述基于手机传感器的朋友推荐方法，其特征在于，所述方法的步骤3中，向用户所在的推荐区域内进行同一类活动的其他用户进行共同活动朋友推荐为：

将用户所在的推荐区域内与该用户进行同一类社交活动的其他用户，在该用户通讯录中划分为同一个群类，在同一个群类的用户之间进行朋友推荐。

4.根据权利要求1或2的所述基于手机传感器的朋友推荐方法，其特征在于，所述方法的步骤3中，向检测出的发生社交活动交互的其他用户进行交互活动朋友推荐为：

向检测出的发生社交活动交互的其他用户进行朋友推荐，将所述其他用户的通讯录条目置顶。

5.根据权利要求1或2的所述基于手机传感器的朋友推荐方法，其特征在于，

所述方法的步骤2中，对所述传感器数据的排序处理为：根据传感器数据的产生时间对数据进行排序；

对所述传感器数据的插值处理为：通过对传感器数据进行插值使1秒钟的时间段内有50个数据点；

对所述传感器数据的过滤处理为：

计算最佳截止频率：按设定的系列截止频率过滤传感器数据，计算过滤后的传感器数据和过滤前传感器数据之间的残差，再计算残差的均方根误差，拟合均方根误差的指数方程曲线，曲线的尾部为噪音的残差，取拟合指数曲线降低95％的截止频率作为最佳截止频率；

采用双向巴特沃斯低通滤波器，使用计算出的所述最佳截止频率对所述传感器数据进行低通滤波去除噪声。