作者:连西静,崔升 单位:上海交通大学 出版:《医用生物力学》2019年第06期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFYISX2019060140 DOC编号:DOCYISX2019060149 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于深度卷积和门控循环神经网络的传感器运动识别》PDF+DOC2020年第01期 王震宇,张雷 《CNN多位置穿戴式传感器人体活动识别》PDF+DOC 邓诗卓,王波涛,杨传贵,王国仁 《无监督特征学习的人体活动识别》PDF+DOC2015年第05期 史殿习,李勇谋,丁博 《基于卷积神经网络的SAR目标多维度特征提取》PDF+DOC2017年第01期 张慧,肖蒙,崔宗勇 《基于卷积神经网络的增敏型光纤弯曲传感器》PDF+DOC2020年第07期 谭中伟,杨婧雅,刘艳,卢顺,张利伟,牛慧 《基于卷积神经网络的人体步态识别算法研究》PDF+DOC2020年第19期 陈法权,樊军 《基于传感器距离的实时用户活动识别建模方法》PDF+DOC2019年第02期 曹浩哲,张鹏,卢暾,顾寒苏,顾宁 《基于深度卷积网络的多传感器信号故障诊断方法研究》PDF+DOC2018年第01期 吴魁,王仙勇,孙洁,黄玉龙 《智能手机传感器的人体行为识别技术》PDF+DOC2020年第01期 艾达,王倩,樊炜鑫,郝瑞,刘颖 《气体传感器阵列中特征参数的提取与优化》PDF+DOC2002年第04期 邹小波,赵杰文,吴守一
  • 目的基于手机内置传感器所获得人体运动信号,建立人体运动识别模型,为身体状况评估、特殊人群监护以及其他生物医学研究提供支持。方法使用手机内置传感器采集运动信号,并结合公共数据集UCI HAR和WISDM作为实验数据。采用卷积神经网络与自回归模型相结合的特征提取方式,建立人体运动识别模型。结果模型在自采集数据、UCI HAR和WISDM中均取得90%以上的识别正确率。结论引入自回归模型,可以避免手工设计特征值的缺陷,并有效减少大规模堆积卷积层的计算量。研究结果证明,基于特征融合的方法可以有效识别人体运动。

    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。