作者:殷晓玲,夏启寿,陈晓江,何娟,陈峰 单位:北京邮电大学 出版:《北京邮电大学学报》2019年第03期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFBJYD2019030070 DOC编号:DOCBJYD2019030079 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于可穿戴加速度传感器的人体运动状态识别研究》PDF+DOC2019年第03期 孙成开,梅先明,徐佩佩,左保齐 《两轮自平衡车运动姿态的测量和控制》PDF+DOC2015年第04期 马思远,鲁庭勇,张丽君 《面向人体行为识别的深度特征学习方法比较》PDF+DOC2018年第09期 匡晓华,何军,胡昭华,周媛 《基于协同LSTM神经网络的人体行为识别研究》PDF+DOC2018年第12期 朱连章,陈殿明,郭加树,张红霞 《姿态传感器采集测试系统的设计与实现》PDF+DOC2011年第07期 毕盛,闵华清,李淳,黄斐全,陈必强 《BP神经网络大腿截肢者运动模式识别》PDF+DOC2014年第05期 刘磊,杨鹏,刘作军,耿艳利 《PNI展示其传感器融合技术》PDF+DOC2013年第10期 《基于转动惯量平台与智能手机的教研实验探究》PDF+DOC 时天宇,冷宜霖,陈泽坤,刘伟,史庆藩 《两轮同轴机器人的自平衡控制研究》PDF+DOC2010年第07期 王建俊 《基于BP神经网络的飞行体姿态预测模型》PDF+DOC2008年第01期 孟松,张志杰,范锦彪,曹咏弘
  • 为提高智能手机对人体运动状态识别的准确率,提出一种基于并联卷积神经网络(PCNN)的深度识别方法.首先,使用三维数据矩阵规范传感器数据输入格式;其次,使用2个PCNN分别对人体运动的加速度传感器和陀螺仪数据进行卷积和池化操作,实现部分权重共享;最后,在全连接层对两组卷积神经网络进行合并,并使用softmax函数对人体运动状态进行分类.实验结果表明,采用该方法可以从传感器原始数据中提取人体运动状态的深层特征,与传统的机器学习方法相比较,提高了运动状态的识别率。

    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。