期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于核函数的在线序列ELM算法的姿态识别 被引量:1
1
作者 韩莹 张浩 +1 位作者 刘健 陈立平 《微电子学与计算机》 CSCD 北大核心 2018年第1期91-95,共5页
姿态识别是许多应用的基础(医学、运动、游戏、安全).传统的识别算法采用批学习的方式去训练网络,但是数据量庞大且数据不会一次性获取,这会导致这类算法花费大量的学习时间且网络权重也不能在线更新.对此利用一种基于核函数的在线序列... 姿态识别是许多应用的基础(医学、运动、游戏、安全).传统的识别算法采用批学习的方式去训练网络,但是数据量庞大且数据不会一次性获取,这会导致这类算法花费大量的学习时间且网络权重也不能在线更新.对此利用一种基于核函数的在线序列极限学习机OS-KELM(Online Sequential Kernel Extreme Learning Machine)算法实现人体姿态的分类识别.为降低学习难度和提高学习效率,使用了基于Fisher准则和特征聚类的方法进行特征选择.用手机的三轴加速度计和陀螺仪数据识别人走路、下楼、上楼、站立、坐和躺下的姿态,平均识别精度达到91.89%. 展开更多
关键词 在线序列ELM 核函数 人类姿态识别 模式识别Fisher准则 特征聚类
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部