文件名称：论文研究--means算法初始聚类中心选择的优化.pdf
文件大小：684KB
文件格式：PDF
更新时间：2022-09-30 13:34:30
论文研究
隐马尔可夫模型（Hidden Markov Model，HMM）是一种有效的时序信号建模方法，已广泛用于语音识别、文字识别等领域，近年来也被用于人的行为识别。人的行为序列是一种特殊的时序信号，每类行为往往包含若干帧关键姿势。利用行为序列的这个特点，提出了AdaBoost-EHMM（AdaBoost-Exemplar-based HMM）算法，并将该算法应用于行为识别中。利用AdaBoost的特征选择方法将行为序列中的典型样本逐个选择出来作为HMM观测概率模型的均值，之后融合多级分类器进行行为识别。实验结果证明AdaBoost-EHMM算法在保证算法收敛的同时提高了识别率。