基于核主成分分析的相关向量机人体动作分类新型模型

摘要：

针对小样本人体动作数据分类泛化性能差等问题,提出一种基于核主成分分析的相关向量机人体动作分类新型模型.该模型有效利用核函数,融合核主成分分析与相关向量机,在高维特征空间挖掘更多蕴含人体动作差异信息的非线性特征,提升相关向量机准确表征人体动作差异稀疏分布的学习性能,提高小样本人体动作数据分类泛化性能.选用美国加利福尼亚州大学公开的可穿戴人体动作数据库UCI-HAR中所有30名受试者,共6类动作模式、10 299个样本数据,采用十次交叉验证训练测试方法,评价所提出模型的有效性.结果表明,仅需约10个相关向量,分类准确率可达96％,分别高于基于核主成分分析的支持向量机和CNN-LSTM深度学习模型的分类准确率约5.4％和3.6％,有效提高小样本动作数据分类泛化性能,为准确鉴别人体动作变化提供一个新的思路和方法.

关键词：人体动作分类、核主成分分析、相关向量机

所属期刊栏目：41

分类号：R318(医用一般科学)

资助基金：国家自然科学基金;福建省自然科学基金项目

在线出版日期：2023-03-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：641-649