• 《工程索引》(EI)刊源期刊
  • 中文核心期刊(综合性理工农医类)
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种轻量型人体行为识别学习模型

南静 建中华 宁传峰 代伟

南静, 建中华, 宁传峰, 代伟. 一种轻量型人体行为识别学习模型[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2021.03.18.001
引用本文: 南静, 建中华, 宁传峰, 代伟. 一种轻量型人体行为识别学习模型[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2021.03.18.001
A lightweight human activity recognition learning model[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2021.03.18.001
Citation: A lightweight human activity recognition learning model[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2021.03.18.001

一种轻量型人体行为识别学习模型

doi: 10.13374/j.issn2095-9389.2021.03.18.001
详细信息
  • 中图分类号: TP391.4

A lightweight human activity recognition learning model

  • 摘要: 过去几十年,基于智能手机的人体行为识别已在智能建筑、医疗保健以及军事等领域发挥了重要作用。但智能手机CPU、存储空间等资源十分有限,因此开发一种轻量型人体行为识别学习模型成为一个研究热点。为了解决上述问题,本文提出一种基于近邻成分分析(Neighbourhood Component Analysis, NCA)和L2正则化随机配置网络(Stochastic configuration networks, SCNs)的轻量型人体行为识别学习模型。首先,针对人体行为特征集维数过高且可分性差的问题,利用NCA从特征集中选择高相关性特征子集,进而提高模型建模计算过程的轻量性和识别精度。其次,针对SCNs隐含层节点过多时容易出现过拟合的问题,采用L2正则化方法增强SCNs的泛化能力,同时利用监督机制约束产生隐含层参数的方法,极大地提高了SCNs模型的轻量性。最后,将所提NCA-L2-SCNs学习模型在UCI HAR特征集上进行验证,实验结果表明,相比于其他模型,本文所提轻量型模型对于人体行为识别具有更好的识别精度和更快的建模速度。

     

  • 加载中
计量
  • 文章访问数:  54
  • HTML全文浏览量:  7
  • PDF下载量:  7
  • 被引次数: 0
出版历程
  • 网络出版日期:  2021-06-18

目录

    /

    返回文章
    返回