基于相对熵度量的行为识别方法

行为识别技术是一种可用于智能视频监控的生物识别技术。本文提出一种基于信息论中相对熵概念的行为识别算法。训练过程使用Parzen方法估计概率分布函数,测试过程则将图像序列投影到低维特征空间,使用相对熵作为判断两种不同行为的相似度函数,在Weizmann数据库上测试的结果验证了算法的有效性。

基于改进MEDA算法的脑电情绪识别

针对普通机器学习算法与迁移学习在应用方面的局限性,利用改进流形嵌入分布对齐算法(MEDA)算法解决跨被试情绪识别中准确率低的问题。其中MEDA通过流行特征变换来减小域之间的数据漂移,并能够自适应定量估计边缘分布和条件分布的权重大小。针对特征维度大且有可能存在不良特征的问题,提出改进MEDA算法,即引入改进最小冗余最大相关算法用于特征选择,并对多源域下的多组识别结果进行决策级融合,进一步提升迁移学习效果。在SEED数据集和实测数据对该算法验证,改进MEDA算法相比于支持向量机、迁移成分分析和联合分布适配算法,整体识别精度分别提升了8.97%、4.00%、2.89%,改进的MEDA算法相比于改进前,每个被试识别准确率均有提升的同时整体识别提升3.36%,验证了该方法的有效性。

关于子流形的几个问题

本文对在一定条件下单一浸入子流形为嵌入子流形等几个命题进行了讨论。