奶牛生理状态监控系统是实现现代化奶牛养殖的重要工具，对提高养殖场产量，保证产品安全起着重要的作用。奶牛行为识别技术是奶牛生理状态监控系统得以实现的基础。有效地提高奶牛行为识别的准确率、识别速度、自动化程度，对构建一个高效准确的奶牛生理状态监控系统有积极的意义。　　 行为数据收集和行为数据分类是奶牛行为识别技术实现的两个重要方面。无线传感器网络(WSN)技术的出现，为奶牛行为数据的收集提供了新的解决方案。同时，支持向量机(SVM)技术则为奶牛行为数据的分类提供了更为准确快速的解决途径。无线传感器网络以其组网方式灵活、节点体积细小等特点，很好的解决了在养殖环境中因为奶牛难以接近和数量庞大而导致的行为数据收集困难的问题。支持向量机建立在结构风险最小化理论之上，有效地避免了“维数灾难”等问题。研究表明，对比神经网络等其他分类方法，支持向量机在解决如物体运动模式识别等高维输入空间分类问题上表现出特有的优势。　　 本文针对奶牛的行为识别问题，提出了一种基于无线传感器网络及支持向量机技术的奶牛行为识别技术。主要的工作包括：　　 1.提出了基于无线传感器网络及支持向量机的奶牛行为识别框架。无线传感器网络作为该框架的基础，完成奶牛行为数据的收集工作，并将其递交到上层数据处理系统。支持向量机在数据处理系统中对输入的奶牛行为数据进行分类，从而识别出当前奶牛的状态。　　 2.分析研究了针对奶牛行为识别的支持向量机数据分类算法。在LIBSVM环境的支持下，本文将SVM应用于奶牛行为的分类中，完成对牛只行为类别的识别。为提高系统的性能，本文基于贪心算法的思想设计了一种支持向量机特征空间优化算法。最后，本文还利用遗传算法和交叉验证算法实现了对支持向量机参数的优化，从而提高系统应用的灵活性。　　 3.设计了基于无线传感器网络的奶牛行为数据收集系统。本文选用3维加速度传感器作为奶牛动作的感应器，并且针对奶牛养殖场地的特点设计了一种简单高效的无线传感器网络多信道通信协议。无线传感器网络节点对奶牛动作进行采样后，将动作数据通过该通信协议传送到后台计算机进行进一步的分析。　　 4.在真实数据基础上，对本文所提出的识别方法进行了验证。经过对不同实验目标长时间的实验结果进行分析表明，本文提出的基于支持向量机的奶牛行为识别技术可识别三种奶牛的行为，在应用中具有理想的识别正确率及较短的识别时间，针对不同的奶牛个体具有良好的自我适应性。