本研究提出了一种新的统一框架，结合运动信号活动识别技术与大型语言模型，以提高体育课堂中学生行为分析的准确性。通过自动化生成教学报告，优化学习和教学设计，提升教育质量。

本研究提出了一种新架构，结合用户位置数据与活动识别，解决了聊天机器人实时上下文感知不足的问题，显著提升了用户体验，并展示了在智能家居中的应用前景。

该研究提出了一种在线演化马尔可夫链（EMCs）方法，解决了传统马尔可夫链在动态场景中无法适应行为切换的问题。EMCs能够自适应跟踪转移概率，自动发现模式并检测模式切换，适用于活动识别、电机状态监测及脑电图数据分析，有助于实时建模复杂系统的行为变化。

本研究针对教室监控图像中的活动识别问题，构建了ARIC多模态数据集，涵盖32种活动类别，支持多视角和持续学习，推动开放教学场景下的研究。

该研究评估了多种高性能方法，发现当前实验评估方法无法在可穿戴传感器数据背景下执行活动识别，识别准确度显着下降。该研究解决了在可穿戴传感器数据基础上的人体活动识别中影响识别准确性的关键问题，是第一篇解决这个问题的研究。