作者：王忠民,韩帅,宋辉 单位：四川省计算机研究院 出版：《计算机应用研究》2017年第04期 页数：4页  （PDF与DOC格式可能不同） PDF编号：PDFJSYJ2017040230 DOC编号：DOCJSYJ2017040239 下载格式：PDF + Word/doc 文字可复制、可编辑

    • 针对智能手机佩戴位置多样性对移动用户行为识别结果的影响，提出一种位置无关的多模型移动用户行为识别方法。该方法通过计算手机加速度传感器所采集到的行为信号在不同佩戴位置的特征相似度，与预先计算的不同佩戴位置特征相似度进行比较，并采用相似度最大的位置特征作为测试样本，利用极速学习机(extreme learning machine，ELM)分类器对移动用户行为进行识别。实验结果证明，相对于不区分佩戴位置的行为识别方法，该方法可将识别准确率提高11%，是一种有效的移动用户行为识别方法。

    📙 相关资料

    1. 《基于压缩感知的移动用户行为识别方法》PDF+DOC 为了提高移动用户行为识别的准确率，提出一种基于压缩感知的行为识别方法，其可对原始加速度数据或压缩后的加速度数据进行行为识别。依据压缩感知理论中可以由冗余字典重构数据的原理，将原始三轴加速度数据作为训练样本构造冗余字典，基于该字典求解最小l1范数得到待识别样本的稀疏系数，根据稀疏系数计算并选取最小残差......
    2. 《结合手机传感器和卷积神经网络的人体行为识别》PDF+DOC 单一传感器在人体行为识别中误差较大，针对此问题提出一种利用智能手机中惯性传感器并结合卷积神经网络(convolutional neural network，CNN)的人体行为识别方法。文中利用构建的卷积神经网络模型自动提取加速度和角速度数据特征，并结合Softmax分类器识别人体行为。实验结果表明，......
    3. 《基于智能手机多传感器变化的日常行为识别方法研究》PDF+DOC 为提高日常行为识别准确度的同时使应用具有更强的便捷性，提出基于智能手机中4种无需许可传感器数据对5种日常行为进行识别的方法。在分析Android系统传感器框架的基础上开发集成了一个小型应用程序进行数据采集处理，然后利用机器学习算法实现手机用户的行为特征识别，目标是实现个人行为准确及时且长期有效的动态......
    4. 《基于协同LSTM神经网络的人体行为识别研究》PDF+DOC 在基于传感器的人体行为识别研究中，传统的机器学习方法需要具备一定的人体运动领域知识来做特征提取，而且工程量大。而现有的神经网络模型结构简单，对数据特征的挖掘不充分从而识别准确率不高。针对上述问题，提出一种基于协同LSTM神经网络的人体行为识别方法。该方法首先对LSTM模块的结构进行改进，搭建协同LS......
    5. 《基于机器学习的铁路工务人员行为识别方法》PDF+DOC 针对现如今铁路工务人员在作业时得不到实时监控，安全事故时有发生的情形.以铁路探伤工为例，分析了工务人员的7种主要行为.每个工务人员佩戴集成了加速度传感器的嵌入式设备，采集其行为数据并提取特征，采用C4.5决策树、随机森林、KNN、SVM四种分类算法做了实验，结果表明：SVM分类识别率最高，行为识别准......
    6. 《非线性电子网络模糊异常数据快速识别仿真》PDF+DOC 为了有效检测出非线性电子网络模糊异常数据，需要对其进行快速识别。传统的识别方法普遍存在着异常数据识别准确率低、完成时间较长、成本消耗较大等问题。提出一种基于相似度加权距离的网络异常数据快速识别方法。通过对非线性电子网络模糊进行分析，引入波动系数根据电子网络模糊异常数据波动系数建立变权高维空间，在高维......
    7. 《基于无线体域网的囚犯异常行为实时分析》PDF+DOC 随着无线传感技术的快速发展，无线体域网在远程医疗、智能家居等方面的应用日渐成为研究热点。监狱作为一个特殊场所，对囚犯的日常行为监控是必不可少的。准确而有效的监控系统能够在囚犯有异常行为发生时及时告警，这有助于监狱的管理，并阻止危险事故的发生。在监狱环境下，提出一种基于无线体域网的囚犯异常行为识别方法......
    8. 《基于Kinect的跌倒行为识别算法》PDF+DOC 根据人体跌倒时的骨架特征，提出了一种人体跌倒行为识别方法.首先，依据跌倒行为的定义，将人体的头部和重心节点作为表征跌倒行为的特征参数，通过Kinect传感器获取人体骨架信息；其次，采用滑动窗口和阈值方法确定行为的发生阶段，并提取其运动特征向量；最后，通过人工神经网络对本文提取的跌倒行为特征进行训练和......
    9. 《面向人体行为识别的深度特征学习方法比较》PDF+DOC 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......
    10. 《基于稀疏矩阵字典的移动用户行为识别方法》PDF+DOC 通过手机内置加速度传感器数据对人类日常行为进行识别具有便捷、实时、无干扰的优点，为了提高识别的准确率和稳定性，提出一种基于加速度特征稀疏矩阵字典的分类方法识别行为。从不同行为的多个训练样本构造出一个过完备字典，基于该字典通过求解最小l1范数得到待识别样本的稀疏系数，根据稀疏系数计算待识别样本对应不同......

    提示：百度云已更名为百度网盘（百度盘），天翼云盘、微盘下载地址……暂未提供。