期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于核函数的在线序列ELM算法的姿态识别
被引量：
1
1
作者
韩莹
张浩
+1 位作者
刘健
陈立平
《微电子学与计算机》
CSCD
北大核心
2018年第1期91-95,共5页
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...
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%.
展开更多
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
下载PDF
职称材料
基于DKP和OS-KELM算法的姿态识别
被引量：
1
2
作者
韩莹
张浩
+1 位作者
刘健
陈立平
《微电子学与计算机》
CSCD
北大核心
2017年第12期88-93,共6页
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...
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.
展开更多
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
下载PDF
职称材料
题名
基于核函数的在线序列ELM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
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]
下载PDF
职称材料
题名
基于DKP和OS-KELM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
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]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于核函数的在线序列ELM算法的姿态识别
韩莹
张浩
刘健
陈立平
《微电子学与计算机》
CSCD
北大核心
2018
1
下载PDF
职称材料
2
基于DKP和OS-KELM算法的姿态识别
韩莹
张浩
刘健
陈立平
《微电子学与计算机》
CSCD
北大核心
2017
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
