文章摘要
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:
作者单位
王金甲  
田佩佩  
摘要点击次数: 2991
全文下载次数: 2229
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

分享按钮