徐仙
- 作品数：4 被引量：19H指数：3
- 供职机构：江南大学物联网工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金江苏省产学研联合创新资金项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于加速度信号和进化RBF神经网络的人体行为识别被引量：5
- 2015年
- 针对基于加速度信号的人体行为识别,采用递阶遗传算法(HGA)训练径向基函数(RBF)神经网络,获得满意的识别正确率.设计适应度函数,利用四分位数间距改进HGA中参数基因的交叉方式,给出自动确定子代生成区域的方法,省去以往同类算法中的经验性设定,并结合算术交叉选择优秀子代,然后对比均匀变异和非均匀变异子代的适应值,实现对RBF网络结构和参数的联合优化.在基于加速度信号的行为识别系统中,与基本HGA和其他常用的训练方法相比,文中算法训练的RBF分类器可获得更低的输出误差和更高的测试样本识别正确率.
- 卢先领王洪斌徐仙
- 关键词：人体行为识别径向基函数神经网络
- 基于加速度与HGA-BP神经网络的人体行为识别被引量：3
- 2015年
- 在基于加速度传感器的人体行为识别中,分类器复杂度较高,易产生过拟合现象。为此,通过递阶遗传算法(HGA)训练BP神经网络作为分类器,采用三级染色体递阶结构表示神经网络的结构和参数。设计新的适应度函数,采用选择、交叉和变异操作联合优化BP网络的精确度和复杂度。测试结果表明,在基于加速度信号的行为识别系统中,相比基本HGA和其他常用算法,利用改进的HGA训练BP网络分类器可以有效控制网络结构,在保证隐层神经元数目较少的情况下,尽可能降低输出误差,实现两者的动态平衡,且对测试样本的识别正确率可达94.63%。
- 卢先领徐仙
- 关键词：加速度传感器递阶遗传算法BP神经网络
- 行为识别中基于GA优化的加速度特征选择方法被引量：5
- 2016年
- 在基于加速度信号的人体行为识别中,LDA是较常用的特征降维方法之一,然而LDA并不直接以训练误差作为目标函数,无法保证获得训练误差最小的投影空间。针对这一情况,采用基于GA优化的LDA进行特征选择。提取加速度信号特征,利用PCA方法解决"小样本问题",通过GA调整LDA中类间离散度矩阵的特征值矢量,使获得的投影空间训练误差最小。采用SVM对7种日常行为进行分类。实验结果表明,与单独采用PCA和采用PCA+LDA方法相比,基于GA优化的LDA算法在保证较高识别率的同时能有效降低特征维数并减小分类误差,最终测试样本的识别率可达95.96%。
- 徐仙卢先领王洪斌
- 关键词：加速度传感器
- 加速度数据特征在人体行为识别中的应用研究被引量：6
- 2014年
- 为提高基于加速度传感器的人体行为识别率,提出2种新的加速度数据特征。一种通过计算加速度矢量与重力方向夹角的小波能量来揭示加速度方向变化的本质,从时频分析的角度区分不同行为;另一种提取加速度数据重排后的关键点连线斜率,突出数据的差异和分布特点。将上述2种特征与常用的6种特征相结合,训练基于支持向量机的多类分类器,对7种日常行为进行识别。检测结果表明,独立检测法和留一交叉检测法对7种行为的平均识别率分别可达92.70%和95.08%。
- 卢先领王洪斌王莹莹徐仙
- 关键词：加速度传感器数据特征支持向量机
