作者:王昌海,许昱玮,张建忠 单位:中国科学院电子学研究所;国家自然科学基金委员会信息科学部 出版:《电子与信息学报》2017年第01期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFDZYX2017010270 DOC编号:DOCDZYX2017010279 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于加速度传感器的人体前臂动作识别》PDF+DOC 张金栋 《基于加速度传感器的人体运动行为识别研究》PDF+DOC2016年第03期 张洁 《基于改进SVM分类器的动作识别方法》PDF+DOC2016年第01期 王见,陈义,邓帅 《基于加速度传感器的上肢运动信息采集与姿态识别》PDF+DOC2017年第07期 张俊杰,孙光民,李煜,张翼,李俊,闫正祥,马北川,刘天伦 《基于手机传感器的室内用户行为识别》PDF+DOC2016年第05期 李晶,黄鹤,邓南山,于广涛,常坤 《基于惯性传感器的驾驶动作监测识别研究》PDF+DOC2020年第03期 侯宇晗,朱玉杰,王景峰,陈雨诗 《ST升级先进惯性测量单元GUI软件》PDF+DOC2019年第06期 《基于HMM的羽球动作实时识别》PDF+DOC2019年第09期 雷玉超,业茜,吴怡菲,吴栩博,李志扬 《基于三维加速度传感器的上肢动作识别系统》PDF+DOC2010年第06期 王昌喜,杨先军,徐强,马祖长,孙怡宁 《监督学习在无线认知传感器网络中的应用》PDF+DOC2014年第04期 郎为民,陈凯,张国峰
  • 使用智能手机中集成的加速度传感器识别用户日常动作在惯性定位、个性化推荐、运动量评估等领域有重要的应用。手机位置不固定导致的动作识别率低下是该领域面临的主要问题。为了提高手机位置不固定时的动作识别率,该文提出一种基于层次分类的动作识别方法。该方法将动作识别分为多层,每一层包含一个分类器。在训练某一层分类器时,首先根据本层训练样本集进行特征选择并训练分类器。然后使用训练得到的分类器对训练样本分类,并计算分类结果的可信度。最后通过对低可信度的样本进行剪枝得到下层分类器的训练样本。对未知类别的样本分类时,首先使用第1层分类器分类。如果分类结果可信度较高,则分类结束;否则使用下层分类器分类,直至所有分类器遍历完。实验部分通过对采集的动作数据进行仿真,验证了该文方法的有效性。结果表明,与单层分类器相比,该方法可以将动作识别率由85.2%提高至89.2%。

    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。