《半监督极限学习机用于Android手机活动识别的研究》PDF+DOC
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Android平台的移动增强现实的应用与研究》PDF+DOC2015年第01期 李丹,程耕国
《基于Android终端的车辆远程监测系统》PDF+DOC2018年第13期 江宁,孙玉国,陈虹
《可跟踪Android和iOS设备的技术漏洞曝光》PDF+DOC2019年第14期 方明
《智能手机移动测量方法的设计与实现》PDF+DOC2019年第06期 蒋赫敏,钟若飞,谢东海
《电子鼻快速检测谷物霉变的研究》PDF+DOC2004年第04期 邹小波,赵杰文
《气体传感器阵列中特征参数的提取与优化》PDF+DOC2002年第04期 邹小波,赵杰文,吴守一
《基于主成分分析的腐蚀缺陷边缘识别研究》PDF+DOC2007年第10期 杨宾峰,罗飞路
《支持向量机在电子鼻区分不同品种苹果中的应用》PDF+DOC2007年第01期 邹小波,赵杰文
《基于Android的小型移动机器人控制系统》PDF+DOC2014年第09期 王志凌,闻凯,陈杰
《加速度传感器在嵌入式系统中的电路搭建及驱动的实现》PDF+DOC2013年第01期 杜时英
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。