作者:徐仙,卢先领,王洪斌 单位:华北计算技术研究所 出版:《计算机工程与应用》2016年第06期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFJSGG2016060270 DOC编号:DOCJSGG2016060279 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于Android传感器的人体姿态识别方法》PDF+DOC2019年第06期 杨一涛,孙国梓,王壮 《坐标转换在移动用户行为识别中的应用》PDF+DOC2014年第S1期 王忠民,曹栋 《基于支持向量机的跌倒检测方法研究》PDF+DOC2014年第09期 梁维杰,张应红,景晖,黄博,郑骥 《一种基于三维加速度传感器的人体行为识别方法》PDF+DOC2013年第06期 徐川龙,顾勤龙,姚明海 《基于MATLAB的齿轮箱加速度信号模糊识别传感器系统分析设计》PDF+DOC2017年第12期 李俊伟,房建东 《基于智能手机的跌倒行为识别算法研究》PDF+DOC2019年第02期 杨晨晨,马春梅,朱金奇 《基于手机加速度与步态不对称特征的身份识别》PDF+DOC2018年第06期 梁西银,何书芹,颜昌林,马玲,倪波波 《基于加速度传感器的水表振动状态检测研究》PDF+DOC2018年第08期 何亮,曾令源 《基于MMA7455的抽油机加速度信息采集系统》PDF+DOC2012年第09期 吴傲寒,郑恭明,熊林,冯彦平,王青爽 《便携式智能实时运动量测量仪的开发与应用》PDF+DOC2007年第08期 朱弋,阮兴云,徐志荣,王振洲,田学隆,吴强辉,彭承琳
  • 在基于加速度信号的人体行为识别中,LDA是较常用的特征降维方法之一,然而LDA并不直接以训练误差作为目标函数,无法保证获得训练误差最小的投影空间。针对这一情况,采用基于GA优化的LDA进行特征选择。提取加速度信号特征,利用PCA方法解决“小样本问题”,通过GA调整LDA中类间离散度矩阵的特征值矢量,使获得的投影空间训练误差最小。采用SVM对7种日常行为进行分类。实验结果表明,与单独采用PCA和采用PCA+LDA方法相比,基于GA优化的LDA算法在保证较高识别率的同时能有效降低特征维数并减小分类误差,最终测试样本的识别率可达95.96%。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。