文件名称：论文研究-面向人体行为识别的深度特征学习方法比较.pdf
文件大小：2.06MB
文件格式：PDF
更新时间：2022-08-11 11:39:03
深度学习,行为识别,序列数据分类,深度卷积神经网络,长短期时间记忆网络
针对人体行为识别问题，比较了两种基于智能手机惯性加速度传感器数据的深度特征学习方法。先将传感器数据进行重叠加窗的预处理；然后将带标签的样本数据直接输入深度网络模型中，通过端到端的特征学习，最终输出行为分类结果。通过对比深度卷积神经网络、长短期记忆网络两种深度学习方法在公开网站UCI的机器学习知识库的人体行为识别数据集上的识别效果。实验结果表明，采用Dropout深度卷积神经网络特征学习方法识别准确率为90.98%，是一种有效的深度特征学习方法。