基于DT‒SVM优化算法的人体姿态特征提取与识别研究

为确定人体运动行为在空间环境中的表现情况,实现对姿态特征的准确定义,针对基于DT‒SVM优化算法的人体姿态特征提取与识别方法展开研究.利用DT‒SVM优化算法,推荐必要的姿态特征节点,确定人体运动行为所处空间平面.实施对姿态特征的梯度化处理,根据获取到的轮廓节点,计算夹角向量的具体数值,从而求解姿态特征提取与识别的数学表达式,完成基于DT‒SVM优化算法的人体姿态特征提取与识别方法的设计.实验结果表明,上述方法的应用,可同时在X轴、Y轴、Z轴三个方向上,控制人体运动行为,使其偏向角数值均不超过12°,符合精准定义人体姿态特征的实际应用需求.

分段复合多尺度模糊熵和IGWO-SVM的脑电情感识别

为提高脑电的情感识别率,提出了分段复合多尺度模糊熵算法,采用分段粗粒化和计算复合多尺度模糊熵的策略,使提取特征较好地解决了数据缺失和计算不准确的问题;同时构造了应用余弦非线性收敛因子和动静态位置更新的灰狼算法优化支持向量机分类模型。为证明所提两种算法的有效性,进行了仿真实验验证,并在公开DEAP数据库下与几种常见的支持向量机优化模型比较脑电的情感识别率,结果表明在提出的模型下,效价、唤醒度、优势度、喜欢度的平均识别率分别为87.27%、87.81%、89.06%、87.58%,均高于其他算法。另外对比了高/低喜欢度下效价和唤醒度的分类,实验表明喜欢度低时情感识别率较高。