实时（在线）识别复杂活动仍然是一个充满挑战和活跃的研究领域。 在本文中，我们提出了一种基于滑动窗口的活动识别（AR）方法，该方法通过集成潜在Dirichlet分配（LDA）模型和贝叶斯定理来进行实时传感器流传输。 在提出的方法中，我们首先使用LDA模型从活动窗口序列中离线学习活动的特征模式。 然后，基于学习到的活动特征模式，在特征提取阶段将给定滑动窗口的活动概率分布的贝叶斯估计值嵌入。 最后，将概率分布预测作为滑动窗口中特征的子集，进一步输入到分类器模型中，以生成滑动窗口的最终分类结果。 我们使