10.16208/j.issn1000-7024.2019.10.050
基于多模型融合的人体行为识别模型
对用户的行走、上楼、下楼、静坐、站立、躺下6种行为状态产生的陀螺仪传感器数据进行研究.通过分析局部时间段内用户的状态信息,扩充样本数据维度,将卷积神经网络模型和长短期记忆网络模型相结合,构建特征提取器,使用线性支持向量机完成分类工作.行为识别精度达到99.4%以上,每一种的行为状态识别精度均超过98%.相比于多层感知机、卷积神经网络以及长短期记忆网络,平均识别精度提升了1%-2%.相比传统的机器学习算法,例如贝叶斯、支持向量机、决策树等,平均识别精度提升了3%-4%.
卷积神经网络、长短期记忆网络、人体行为识别、深度学习、模型融合
40
TP183(自动化基础理论)
2018年度大学生创新创业训练计划基金项目201810270167
2019-11-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
3030-3036