典型文献
一种轻量型人体行为识别学习模型
文献摘要：
提出一种基于近邻成分分析(Neighbourhood?component?analysis,?NCA)、L2正则化和随机配置网络(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.
文献关键词：
人体行为识别;智能手机;近邻成分分析;随机配置网络;轻量型
中图分类号：
作者姓名：
南静;建中华;宁传峰;代伟
作者机构：
中国矿业大学信息与控制工程学院,徐州 221116
文献出处：
引用格式：
[1]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,2022(06):1072-1079
A类：
SCNs
B类：
人体行为识别,近邻成分分析,Neighbourhood,component,analysis,NCA,L2,随机配置网络,Stochastic,configuration,networks,行为特征,征集,可分性,特征子集,建模计算,识别精度,隐含层节点,点过,过拟合,正则化方法,方法增强,泛化能力,监督机制,极大地提高,UCI,HAR,轻量型模型,别具,智能手机
AB值：
0.3312
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
