-
题名基于DKP和OS-KELM算法的姿态识别
被引量：1
- 1
-
-
作者
韩莹
张浩
刘健
陈立平
-
机构
中国科学院微电子研究所
北京科技大学计算机与通信工程学院
-
出处
《微电子学与计算机》
CSCD
北大核心
2017年第12期88-93,共6页
-
基金
国家重大专项(2015ZX03001013-002)
-
文摘
提出了一种基于智能手机识别人体姿态的神经网络分类器的设计方案.该设计的主旨是用第一级分类器区分动态和静态动作,然后用第二级分类器分别识别这两类动作.第一级分类器采用直接核感知机DKP(Direct Kernel Perceptron),其具有简单、快速,α系数可直接计算得出而无需任何反复训练的特点.在线序列核极限学习机OS-KELM(Online Sequential Kernel Extreme Learning Machine)因其高效性被作为第二级分类器.实验结果成功验证提出的识别方案是可行的.
-
关键词
在线序列ELM
核函数
直接核感知机
姿态识别
模式识别
-
Keywords
online sequential ELM
kernel function
direct kernel perceptron
activity recognition
pattern recognition
-
分类号
TP31
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于核函数的在线序列ELM算法的姿态识别
被引量：1
- 2
-
-
作者
韩莹
张浩
刘健
陈立平
-
机构
中国科学院微电子研究所
北京科技大学计算机与通信工程学院
-
出处
《微电子学与计算机》
CSCD
北大核心
2018年第1期91-95,共5页
-
基金
国家重大专项(2015ZX03001013-002)
-
文摘
姿态识别是许多应用的基础(医学、运动、游戏、安全).传统的识别算法采用批学习的方式去训练网络,但是数据量庞大且数据不会一次性获取,这会导致这类算法花费大量的学习时间且网络权重也不能在线更新.对此利用一种基于核函数的在线序列极限学习机OS-KELM(Online Sequential Kernel Extreme Learning Machine)算法实现人体姿态的分类识别.为降低学习难度和提高学习效率,使用了基于Fisher准则和特征聚类的方法进行特征选择.用手机的三轴加速度计和陀螺仪数据识别人走路、下楼、上楼、站立、坐和躺下的姿态,平均识别精度达到91.89%.
-
关键词
在线序列ELM
核函数
人类姿态识别
模式识别Fisher准则
特征聚类
-
Keywords
online sequential ELM
kernel function
human activity recognition
pattern recognition
Fishercriterion
feature clustering
-
分类号
TP31
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于突变点检测的智能空间行为识别方法
- 3
-
-
作者
臧媛媛
王守信
佟梦竹
王建兴
-
机构
航天神舟智慧系统技术有限公司
北京交通大学
中国航空油料集团有限公司
-
出处
《现代信息科技》
2020年第5期147-151,共5页
-
文摘
基于非嵌入式传感器数据的行为识别对家居设备控制、异常行为监测非常重要,是智能空间环境下行为识别的研究热点,不仅利于隐私保护而且能长期积累数据满足个体行为偏好。针对传感器数据序列中行为边界标识,并依次改善在线行为识别效果的问题,基于行为突变点检测思想识别连续行为的相似度程度,使用KL散度实现突变点检测,针对突变点检测阈值的选择问题,使用遗传算法对其进行自动设置。使用RF、QSVM、加权K近邻(Weighted KNN,wKNN)、DT算法实验验证突变点时域特征能够有效提高在线行为识别能力,证明了本文方法的有效性。
-
关键词
智能空间
非侵入式传感器
在线行为识别
突变点检测
阈值自动设置
-
Keywords
smart home
non-invasive sensor
online activity recognition
change point detection
threshold automation
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
