《基于传感器人体行为识别深度学习模型的研究》PDF+DOC

📙 相关资料

1. 《运用开端神经网络进行人体姿态识别》PDF+DOC 通过迁移深度神经网络在图像识别方面的经验，提出了一种基于Inception神经网络和循环神经网络结合的深度学习模型(InnoHAR)，该模型端对端地输入多通道传感器的波形数据，利用1&#215；1卷积对多通道数据的有机组合，不同尺度的卷积提取不同尺度的波形特征，最大池化过滤微小扰动造成的假阳......
2. 《结合手机传感器和卷积神经网络的人体行为识别》PDF+DOC 单一传感器在人体行为识别中误差较大，针对此问题提出一种利用智能手机中惯性传感器并结合卷积神经网络(convolutional neural network，CNN)的人体行为识别方法。文中利用构建的卷积神经网络模型自动提取加速度和角速度数据特征，并结合Softmax分类器识别人体行为。实验结果表明，......
3. 《基于手机传感器的室内用户行为识别》PDF+DOC 行为识别近年来已成为热点研究领域。本文介绍了利用智能手机感知用户行为的研究，主要通过智能手机内置传感器获取用户在室内移动中的数据，利用分类模型对该数据进行分析，建立学习模型，最终测试行为识别结果，并对不同分类模型的准确度进行了对比。...
4. 《压力传感器的校正的改进超限学习机方法》PDF+DOC 随着测试技术的发展，压力传感器被广发的应用于各种精密测量和检测领域。由于受到被测量对象、测量环境等因素影响，其输出会产生各种误差，而常用的神经网络不能很好解决此问题。文中提出一种采用小波函数和超限学习机相结合的新方法，阐述了传感器的非线性校正原理和小波函数超限学习机的实现过程，并分别采用BP神经网络......
5. 《面向人体行为识别的深度特征学习方法比较》PDF+DOC 针对人体行为识别问题，比较了两种基于智能手机惯性加速度传感器数据的深度特征学习方法。先将传感器数据进行重叠加窗的预处理；然后将带标签的样本数据直接输入深度网络模型中，通过端到端的特征学习，最终输出行为分类结果。通过对比深度卷积神经网络、长短期记忆网络两种深度学习方法在公开网站UCI的机器学习知识库的......
6. 《基于多传感器时域特征的实时人体行为识别(英文)》PDF+DOC 提出了一种基于加速度计、陀螺仪、气压计输出时域特征的高精度、高实时性的人体行为模式识别算法。该算法选取多传感器输出的时域特征值作为唯一特征量，通过特征提取运算实现行为的实时识别。通过在实验室自主研发的软硬件平台上进行测试，在识别时间缩短到2 s一次的条件下，对于8种人体日常行为模式和4种摔倒模式的平......
7. 《基于TensorFlow及LSTM模型的室内行为识别算法的研究与实现》PDF+DOC 智能手机的功能越来越复杂，最新的智能手机配备许多各式各样且功能强大的传感器，这些传感器包括GPS传感器、视觉传感器(如摄像头)、听觉传感器(如耳机)、光传感器、温度传感器、方向传感器(如指南针)和加速度传感器(如加速计)，它们在使用中所产生的大量数据为我们进行室内行为识别分析提供机会。通过智能手机加......
8. 《基于循环神经网络的人体行为识别》PDF+DOC 使用4种类型的循环神经网络模型(RNN、GRU、LSTM、BLSTM)处理手机传感器采集的异构时间序列数据，用于人体行为识别研究.针对4种模型，分别构建自动特征提取方法，并对参数设置进行优化.在公开数据集UCI HAR上进行了行为识别测试实验，实验结果表明，BLSTM模型的识别精度高达95.7%，可......
9. 《基于多传感器信息融合和神经网络的汽轮机故障诊断研究》PDF+DOC 针对传统故障诊断方法存在的诊断准确性不高的问题，提出了基于D-S证据理论的多传感器信息融合技术与BP神经网络相结合的方法，实现对汽轮机的机械故障诊断。由多个传感器采集振动信号，分别经小波变换特征提取后获得故障特征值，再经BP神经网络进行故障局部诊断，得到相应传感器对故障类型的基本可信任分配函数值，即......
10. 《传感器动态建模的最小二乘支持向量机方法》PDF+DOC 提出了应用最小二乘支持向量机(LS-SVMs)建立传感器动态模型的方法。LS-SVMs的训练过程遵循的是结构风险最小化原则，而不是通常神经网络的经验误差最小化原则，遵循该原则可获得更好的泛化性能，且不易发生局部最优及过拟合现象，因此可以克服应用人工神经网络建立传感器动态模型的缺陷。通过实例验证了该方......