基于K-SVD的最大似然稀疏表示体域网动作分类算法

摘要：

为有效提高体域网动作分类性能, 本文提出了一种基于K-SVD的最大似然稀疏表示体域网动作分类算法.该算法首先基于K-SVD优化学习算法, 将不同动作模式训练样本按其所属类别分组优化训练, 避免各类样本数据训练时相互干扰, 得到不同动作模式类别所属的子字典, 然后将其拼合构成一个完整字典, 准确稀疏表示测试样本,最后基于最大似然稀疏模型准确估计稀疏表示系数残差, 并得到测试样本所属类别. 实验结果表明, 本文所提算法能够获得最优字典, 基于最大似然稀疏表示可准确估计测试动作样本稀疏表示残差. 所提算法识别率明显优于传统稀疏表示动作分类算法, 可有效提高体域网动作模式分类性能.

关键词：体域网、动作识别、稀疏表示、过完备字典、最大似然模型

所属期刊栏目：27

资助基金：福建省科技厅引导性项目2017Y0028;福建省省属高校科研专项项目JK2016006;福建省教育厅产学研项目JAT160098;2017年福建省大学生创新训练项目201710394053;教育部人文社会科学研究规划基金17YJAZH091

在线出版日期：2018-03-13（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：144-150