10.3969/j.issn.1000-3428.2015.09.041
基于加速度与HGA-BP神经网络的人体行为识别
在基于加速度传感器的人体行为识别中,分类器复杂度较高,易产生过拟合现象.为此,通过递阶遗传算法(HGA)训练BP神经网络作为分类器,采用三级染色体递阶结构表示神经网络的结构和参数.设计新的适应度函数,采用选择、交叉和变异操作联合优化BP网络的精确度和复杂度.测试结果表明,在基于加速度信号的行为识别系统中,相比基本HGA和其他常用算法,利用改进的HGA训练BP网络分类器可以有效控制网络结构,在保证隐层神经元数目较少的情况下,尽可能降低输出误差,实现两者的动态平衡,且对测试样本的识别正确率可达94.63%.
行为识别、加速度传感器、递阶遗传算法、BP神经网络、交叉、变异
41
TP393(计算技术、计算机技术)
江苏省产学研联合创新资金前瞻性联合研究基金资助项目BY2014023-31;江苏高校优势学科建设工程基金;江苏省"六大人才高峰"高层次人才基金资助项目WLW-007
2015-11-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
220-224,232