10.3969/j.issn.1001-3695.2018.09.059
面向人体行为识别的深度特征学习方法比较
针对人体行为识别问题,比较了两种基于智能手机惯性加速度传感器数据的深度特征学习方法.先将传感器数据进行重叠加窗的预处理;然后将带标签的样本数据直接输入深度网络模型中,通过端到端的特征学习,最终输出行为分类结果.通过对比深度卷积神经网络、长短期记忆网络两种深度学习方法在公开网站UCI的机器学习知识库的人体行为识别数据集上的识别效果.实验结果表明,采用Dropout深度卷积神经网络特征学习方法识别准确率为90.98%,是一种有效的深度特征学习方法.
深度学习、行为识别、序列数据分类、深度卷积神经网络、长短期时间记忆网络
35
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61601230;江苏省自然科学基金资助项目BK20141004;上海市北斗导航与位置服务重点实验室开放基金;江苏省高校优势学科Ⅱ期建设工程资助项目
2018-12-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
2815-2817,2822