作者：邓诗卓,王波涛,杨传贵,王国仁 单位：中国科学院软件研究所 出版：《》 页数：20页  （PDF与DOC格式可能不同） PDF编号：PDFRJXB2019030140 DOC编号：DOCRJXB2019030149 下载格式：PDF + Word/doc 文字可复制、可编辑
《无监督特征学习的人体活动识别》PDF+DOC2015年第05期 史殿习,李勇谋,丁博 《基于特征融合的人体运动识别》PDF+DOC2019年第06期 连西静,崔升 《基于深度卷积网络的多传感器信号故障诊断方法研究》PDF+DOC2018年第01期 吴魁,王仙勇,孙洁,黄玉龙 《基于可穿戴传感器的人体活动识别研究综述》PDF+DOC2018年第05期 郑增威,杜俊杰,霍梅梅,吴剑钟 《CNN与决策树结合的新型人体行为识别方法研究》PDF+DOC2017年第12期 王忠民,张琮,衡霞 《人体活动识别数据集的数据处理方法》PDF+DOC2020年第03期 钟楚轶,朱建军 《基于传感器距离的实时用户活动识别建模方法》PDF+DOC2019年第02期 曹浩哲,张鹏,卢暾,顾寒苏,顾宁 《基于注意力模型的多传感器人类活动识别》PDF+DOC2019年第06期 王金甲,周雅倩,郝智 《智能手机传感器的人体行为识别技术》PDF+DOC2020年第01期 艾达,王倩,樊炜鑫,郝瑞,刘颖 《基于手机传感器的人体活动识别综述》PDF+DOC2020年第10期 张春祥,赵春蕾,陈超,罗辉

    • 随着人工智能的发展和可穿戴传感器设备的普及，基于传感器数据的人体活动识别(human activity recognition，简称HAR)得到了广泛关注，且具有巨大的应用价值.抽取良好判别力的特征，是提高HAR准确率的关键因素.利用卷积神经网络(convolutional neural networks，简称CNN)无需领域知识抽取原始数据良好特征的特点，针对现有基于传感器的HAR忽略三轴向传感器单一轴向多位置数据空间依赖性的不足，提出了两种动作图片构建方法T-2D和M-2D，构建多位置单轴传感器动作图片和非三轴传感器动作图片；进而提出了卷积网络模型T-2DCNN和M-2DCNN，抽取三组单一轴向动作图片的时空依赖性和非三轴传感器的时间依赖性，并将卷积得到的特征拼接为高层次特征用于分类；为了优化网络结构，减少卷积层训练参数数量，进一步提出了基于参数共享的卷积网络模型.在公开数据集上与现有的工作进行对比实验，默认参数情况下，该方法在公开数据集OPPORTUNITY和SKODA中F_1最大提升值分别为6.68%和1.09%；从传感器数量变化和单类识别准确性角.....。

    📙 相关资料

    1. 《无监督特征学习的人体活动识别》PDF+DOC 针对人的局限性可能会导致在提取特征中丢失重要信息，从而影响最终的识别效果问题，提出无监督特征学习技术的惯性传感器特征提取方法。其核心思想是使用无监督特征学习方法学习多个特征映射，再将所有特征映射拼接起来形成最终的特征计算方法。其优点是不会造成重要信息的损失，而且可以显著减少所使用的无监督特征学习模型......
    2. 《基于特征融合的人体运动识别》PDF+DOC 目的基于手机内置传感器所获得人体运动信号，建立人体运动识别模型，为身体状况评估、特殊人群监护以及其他生物医学研究提供支持。方法使用手机内置传感器采集运动信号，并结合公共数据集UCI HAR和WISDM作为实验数据。采用卷积神经网络与自回归模型相结合的特征提取方式，建立人体运动识别模型。结果模型在自采......
    3. 《基于深度卷积网络的多传感器信号故障诊断方法研究》PDF+DOC 针对传统故障诊断方法中多传感器数据融合技术难度大、特征提取困难等问题，提出了一种基于深度卷积网络的多传感器信号故障诊断方法，通过构建测量数据帧进行卷积计算实现多通道数据的自然融合，利用深度网络结构实现高层特征的自动提取和分类，从而高效地实现了故障分类诊断；经分别采用小规模数据集REF和大规模故障数据......
    4. 《基于可穿戴传感器的人体活动识别研究综述》PDF+DOC 人体活动识别(HAR)在医疗、安全、娱乐等方面有着广泛的应用。随着传感器器件的发展，各类能准确采集人体行为活动数据的传感器在手环、手表、手机等可穿戴设备上得到了广泛使用，相比基于视频图像的行为识别方法，基于传感器的行为识别具有成本低、灵活、可移植性好的特点，因此，基于可穿戴传感器的人体活动识别研究成......
    5. 《CNN与决策树结合的新型人体行为识别方法研究》PDF+DOC 基于智能手机内置加速度传感器的人体行为识别是近年来人工智能领域的一个研究热点，传统的贝叶斯、极速学习机、决策树等识别方法都必须先针对加速度传感器采集数据提取时频域特征，并从大量的时频特征中进行特征优选。采用深度学习中卷积神经网络算法(convolutional neural network，CNN)......
    6. 《人体活动识别数据集的数据处理方法》PDF+DOC 对由可穿戴设备采集的针对人体活动识别的数据集进行处理，并用处理后的数据对一维卷积神经网络进行训练，测试并得到精准度结果.对数据集的处理使得原本数据集中一些噪音和无效数据被过滤排除掉，在训练神经网络时减少了运算量，提升了神经网络的效率.后经测试，在神经网络结构不变的情况下，处理后的数据集可以使神经网络......
    7. 《基于传感器距离的实时用户活动识别建模方法》PDF+DOC 针对传统的用户活动识别建模方法在实时性要求下精度较低的缺点，提出一种改进的实时用户活动识别建模方法。利用已标注的传感器事件流数据建立传感器触发概率矩阵，并计算出传感器距离，作为建模的先验知识，在后续建模过程中赋予每个传感器事件不同的权重。根据传感器距离的内在含义判断活动转移发生的位置，通过概率矩阵推......
    8. 《基于注意力模型的多传感器人类活动识别》PDF+DOC 深度循环神经网络适用于处理时间序列数据，然而循环神经网络特征提取能力差，时间依赖关系挖掘不足。针对此问题，提出了3种注意力机制和长短时记忆(LSTM)神经网络结合的模型用于人类活动识别问题，并研究了3种注意力机制在不同数据集上单独及配合使用时对模型精度的影响。对于UCI_HAR数据集，3种注意力LS......
    9. 《智能手机传感器的人体行为识别技术》PDF+DOC 从传感器选择、特征提取、行为识别等3个方面对基于机器学习的人体行为识别技术进行分析，对比各类算法的优势和不足。总结对比常用公开数据集，并展望人体行为识别技术在案件现场的应用，最后讨论了人体行为识别发展的难点和新方向。...
    10. 《基于手机传感器的人体活动识别综述》PDF+DOC 人体活动存在于日常生活的各方面，人体活动识别(HAR)具有广泛的应用价值，并受到广泛关注。随着智能手机的逐步发展，传感器嵌入到手机中使手机更加智能，实现了更加灵活的人机交互。人们一般随身携带智能手机，因此手机传感器信号中有丰富的人体活动信息，通过提取手机传感器的信号便可以识别用户活动。相比基于计算机......

    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。