融合关联性的多任务压缩感知行为识别方法
【出 处】:《
计算机工程与科学
》
CSCD
2015年第37卷第6期 1071-1078页,共8页
【作 者】:
段梦琴
;
李仁发
;
黄晶
【摘 要】
基于传感器的人体行为识别是一个新兴研究领域,作为物联网的一项重要应用,在医疗监护、助老助残、智能办公/家居等方面有着广阔的应用前景。识别率是行为识别的一个重要衡量指标,而特征和分类算法又是影响识别率的两个重要因素。提取了基于多传感器行为识别架构的关联特征,并引入压缩感知和稀疏表示理论,提出一种多任务压缩感知行为识别方法。最后,在基准数据库上采用个体无关的留一验证方法进行了大量实验,结果表明所提出的融合关联性的多任务压缩感知行为识别方法能有效提升行为识别率,与对应的单任务行为识别方法相比,识别速度提高约56%。
相关热词搜索: 机器学习 物联网 体域网 行为识别 特征提取 machine learning Internet of Things body area network activity recognition feature extraction