作者:王金甲,田佩佩 单位:中国科学技术信息研究所 出版:《高技术通讯》2017年第03期 页数:9页  (PDF与DOC格式可能不同) PDF编号:PDFGJSX2017030060 DOC编号:DOCGJSX2017030069 下载格式:PDF + Word/doc 文字可复制、可编辑
  • 基于对现有Android手机活动识别技术的分析,针对从不完全、不充分的移动传感器数据中推断人体活动的难题,将能根据无标签样本提高识别预测准确性和速度的半监督(SS)学习和体现模式分类回归的有效学习机制的极限学习机(ELM)相结合给出了解决Android手机平台的人体活动识别问题的半监督极限学习机(SS-ELM)方法,并进一步提出了主成分分析(PCA)和半监督极限学习机(SS-ELM)结合的PCA+SS-ELM新方法。实验结果表明,该方法对人体活动的识别正确率能达到95%,优于最近提出的混合专家半监督模型的正确率,从而验证了该新方法是可行性。

    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。