一种应用于人体活动识别的迁移学习算法

摘要：

通过采集可穿戴运动传感器信号,并利用迁移学习克服数据分布不一致来识别人体日常行为成为当下主流.利用可穿戴传感器采集信号,会产生影响迁移效果的噪声样本,传统的算法缺少对这部分样本的处理.针对这一问题,在传统算法的基础上进行改进,引入了基于马氏距离的样本筛选算法,提出了可用于人体活动识别的迁移学习算法T-WMD,并在两个公开的人体活动识别数据集上与其他5种算法进行对比实验.结果表明提出的算法可以有效地提升迁移学习效果.

关键词：生理信号、人体活动识别、迁移学习、体域网、机器学习

所属期刊栏目：43

分类号：TP181(自动化基础理论)

资助基金：国家重点研发计划;中央高校基本科研业务费专项资金资助项目

在线出版日期：2022-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：776-782