| 王金甲,田佩佩.半监督极限学习机用于Android手机活动识别的研究[J].高技术通讯(中文),2017,27(3): |
| 半监督极限学习机用于Android手机活动识别的研究 |
|
| |
| DOI： |
| 中文关键词: 活动识别, 半监督极限学习机(SS ELM), 传感器, 加速度计, Android手机 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 3003 |
| 全文下载次数: 2237 |
| 中文摘要: |
| 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。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
