典型文献
基于核主成分分析的相关向量机人体动作分类新型模型
文献摘要：
针对小样本人体动作数据分类泛化性能差等问题,提出一种基于核主成分分析的相关向量机人体动作分类新型模型.该模型有效利用核函数,融合核主成分分析与相关向量机,在高维特征空间挖掘更多蕴含人体动作差异信息的非线性特征,提升相关向量机准确表征人体动作差异稀疏分布的学习性能,提高小样本人体动作数据分类泛化性能.选用美国加利福尼亚州大学公开的可穿戴人体动作数据库UCI-HAR中所有30名受试者,共6类动作模式、10 299个样本数据,采用十次交叉验证训练测试方法,评价所提出模型的有效性.结果表明,仅需约10个相关向量,分类准确率可达96％,分别高于基于核主成分分析的支持向量机和CNN-LSTM深度学习模型的分类准确率约5.4％和3.6％,有效提高小样本动作数据分类泛化性能,为准确鉴别人体动作变化提供一个新的思路和方法.
文献关键词：
人体动作分类;核主成分分析;相关向量机
中图分类号：
作者姓名：
吴建宁;林秋婷;伍滨
作者机构：
福建师范大学计算机与网络空间安全学院,福州 350117;福建师范大学数学与统计学院,福州 350117;福建师范大学校医院,福州 350007
文献出处：
引用格式：
[1]吴建宁;林秋婷;伍滨-.基于核主成分分析的相关向量机人体动作分类新型模型)[J].中国生物医学工程学报,2022(06):641-649
A类：
加利福尼亚州大学
B类：
核主成分分析,相关向量机,人体动作分类,小样本,作数,数据分类,泛化性能,核函数,高维特征空间,空间挖掘,非线性特征,稀疏分布,学习性,高小,可穿戴,UCI,HAR,动作模式,十次,交叉验证,出模,分类准确率,深度学习模型,别人,思路和方法
AB值：
0.222191
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。
