本文關(guān)鍵詞： 行為識(shí)別 深度信念網(wǎng)絡(luò) 深度學(xué)習(xí) Dropout　出處：《計(jì)算機(jī)應(yīng)用研究》2017年12期 　論文類(lèi)型：期刊論文

【摘要】：針對(duì)移動(dòng)用戶(hù)行為識(shí)別模型中存在過(guò)度擬合導(dǎo)致泛化性差的問(wèn)題,提出一種基于隨機(jī)Dropout深度信念網(wǎng)絡(luò)(deep belief network,DBN)的移動(dòng)用戶(hù)行為識(shí)別方法。該方法通過(guò)隨機(jī)更改Dropout算法中的概率參數(shù),減少隱層單元的網(wǎng)絡(luò)節(jié)點(diǎn)數(shù),優(yōu)化每次訓(xùn)練的網(wǎng)絡(luò)權(quán)值,以提高行為識(shí)別的準(zhǔn)確率和樣本較少時(shí)的泛化能力。實(shí)驗(yàn)結(jié)果表明,加入隨機(jī)Dropout的網(wǎng)絡(luò)對(duì)靜止、散步、跑步、上樓及下樓五種行為的平均識(shí)別準(zhǔn)確率可達(dá)94.23%,相對(duì)于傳統(tǒng)的DBN識(shí)別方法,準(zhǔn)確率提高了4.57%。
[Abstract]:In view of the problem of poor generalization caused by over-fitting in mobile user behavior recognition model. A deep belief network based on random Dropout depth belief network is proposed. By randomly changing the probabilistic parameters in the Dropout algorithm, the number of network nodes in the hidden layer unit is reduced, and the network weights of each training are optimized. In order to improve the accuracy of behavior recognition and generalization ability when there are fewer samples, the experimental results show that the network with random Dropout is static, walking and running. The average recognition accuracy of the five behaviors upstairs and downstairs can reach 94.233.Compared with the traditional DBN recognition method, the accuracy rate is increased by 4.57.
【作者單位】： 西安郵電大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61373116) 陜西省科技統(tǒng)籌創(chuàng)新工程計(jì)劃項(xiàng)目(2016KTZDGY04-01) 西安郵電大學(xué)研究生創(chuàng)新基金項(xiàng)目(103-602080006) 西安市科技局科技計(jì)劃項(xiàng)目[2017084CG/RC047(XAYD001)]
【分類(lèi)號(hào)】：TP18;TP391.41
【正文快照】： 人體行為識(shí)別是人工智能和模式識(shí)別領(lǐng)域內(nèi)的一個(gè)熱門(mén)研究方向[1,2],在視頻檢索、智能家居和健康監(jiān)測(cè)等領(lǐng)域有著廣泛的應(yīng)用前景。隨著移動(dòng)設(shè)備的快速發(fā)展,不同種類(lèi)和功能的傳感器集成到移動(dòng)終端上,使得利用三軸加速度數(shù)據(jù)進(jìn)行人體行為分析和識(shí)別成為可能。傳統(tǒng)機(jī)器學(xué)習(xí)算法模型

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 施水才;俞鴻魁;呂學(xué)強(qiáng);李渝勤;;基于大規(guī)模語(yǔ)料的新詞語(yǔ)識(shí)別方法[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2006年03期

2 蘇家洪;;試述人臉識(shí)別新技術(shù)及編輯識(shí)別方法[J];中國(guó)新技術(shù)新產(chǎn)品;2012年07期

3 高春庚;孫建國(guó);;基于統(tǒng)計(jì)的人臉識(shí)別方法綜述[J];安陽(yáng)工學(xué)院學(xué)報(bào);2012年04期

4 馬彬;洪宇;楊雪蓉;姚建民;朱巧明;;基于語(yǔ)義依存線(xiàn)索的事件關(guān)系識(shí)別方法研究[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

5 馬彬;洪宇;楊雪蓉;姚建民;朱巧明;;基于推理線(xiàn)索構(gòu)建的事件關(guān)系識(shí)別方法[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

6 呂冬梅,劉燕萍,李云凱;一個(gè)新的機(jī)械圖紙識(shí)別方法[J];信息技術(shù);2001年03期

7 劉志鵬,魏君;基于神經(jīng)網(wǎng)絡(luò)的集裝箱編號(hào)識(shí)別方法的研究[J];中國(guó)包裝工業(yè);2002年09期

8 賀敏;龔才春;張華平;程學(xué)旗;;一種基于大規(guī)模語(yǔ)料的新詞識(shí)別方法[J];計(jì)算機(jī)工程與應(yīng)用;2007年21期

9 董世都;黃同愿;王華秋;王森;楊小帆;;半邊人臉識(shí)別方法[J];計(jì)算機(jī)工程;2008年07期

10 方曉春;;一種優(yōu)化的角色識(shí)別方法[J];計(jì)算機(jī)應(yīng)用與軟件;2009年04期

相關(guān)會(huì)議論文 前10條

1 張朋柱;韓崇昭;萬(wàn)百五;;智能決策支持系統(tǒng)中的問(wèn)題識(shí)別方法與實(shí)現(xiàn)[A];全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第2卷）[C];1993年

2 劉麗蘭;劉宏昭;;時(shí)間序列模型的識(shí)別方法[A];制造技術(shù)自動(dòng)化學(xué)術(shù)會(huì)議論文集[C];2004年

3 羅智勇;宋柔;荀恩東;;一種基于可信度的人名識(shí)別方法[A];第二屆全國(guó)學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2004年

4 苗強(qiáng);周興社;於志文;倪紅波;;一種非覺(jué)察式的睡眠行為識(shí)別技術(shù)研究[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

5 齊娟;陳益強(qiáng);劉軍發(fā);;基于多模信息感知與融合的行為識(shí)別[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

6 趙銳;陳光發(fā);;軍事口令識(shí)別的Fuzzy方法探討[A];第二屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];1992年

7 駱玉榮;劉建麗;史曉濤;;一種自動(dòng)車(chē)窗識(shí)別方法的設(shè)計(jì)與實(shí)現(xiàn)[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

8 孟宇;劉立;李文輝;;用于井下移動(dòng)設(shè)備定位的路標(biāo)設(shè)計(jì)及其視頻識(shí)別方法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

9 黃紫藤;吳玲達(dá);;監(jiān)控視頻中簡(jiǎn)單人物行為識(shí)別研究[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

10 張穎;陳雪波;;人民幣紙幣面值及擺放方向識(shí)別方法研究[A];第二十三屆中國(guó)控制會(huì)議論文集（上冊(cè)）[C];2004年

相關(guān)博士學(xué)位論文 前10條

1 趙國(guó)騰;跨座式單軌交通軌道梁表面裂紋識(shí)別方法研究[D];重慶大學(xué);2015年

2 黃仕建;視頻序列中人體行為的低秩表達(dá)與識(shí)別方法研究[D];重慶大學(xué);2015年

3 張航;基于高光譜成像技術(shù)的皮棉中地膜識(shí)別方法研究[D];中國(guó)農(nóng)業(yè)大學(xué);2016年

4 吳翔;基于機(jī)器視覺(jué)的害蟲(chóng)識(shí)別方法研究[D];浙江大學(xué);2016年

5 陳綿書(shū);計(jì)算機(jī)人臉識(shí)別方法研究[D];吉林大學(xué);2004年

6 邵延華;基于計(jì)算機(jī)視覺(jué)的人體行為識(shí)別研究[D];重慶大學(xué);2015年

7 仝鈺;基于條件隨機(jī)場(chǎng)的智能家居行為識(shí)別研究[D];大連海事大學(xué);2015年

8 馮銀付;多模態(tài)人體行為識(shí)別技術(shù)研究[D];浙江大學(xué);2015年

9 姜新波;基于三維骨架序列的人體行為識(shí)別研究[D];山東大學(xué);2015年

10 裴利沈;視頻中人體行為識(shí)別若干問(wèn)題研究[D];電子科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 徐珂瓊;基于視頻的人臉識(shí)別方法研究[D];天津理工大學(xué);2015年

2 彭姣麗;針對(duì)多表情的人臉識(shí)別方法研究[D];昆明理工大學(xué);2015年

3 代秀麗;基于半監(jiān)督判別分析的人臉識(shí)別方法研究[D];深圳大學(xué);2015年

4 易磊;基于兩階段的交通標(biāo)志識(shí)別方法研究[D];南京理工大學(xué);2015年

5 李彥;基于小波變換的人臉識(shí)別方法研究[D];電子科技大學(xué);2014年

6 宋洪偉;基于模糊集合的漢語(yǔ)主觀句識(shí)別方法研究與實(shí)現(xiàn)[D];黑龍江大學(xué);2015年

7 賈博軒;基于手機(jī)傳感器的人類(lèi)復(fù)雜行為識(shí)別方法的研究[D];黑龍江大學(xué);2015年

8 賈航華;基于結(jié)構(gòu)化低秩表示的人體行為識(shí)別方法[D];西安電子科技大學(xué);2014年

9 陳若愚;超市中人體異常行為識(shí)別方法的研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

10 操蘇立;聯(lián)機(jī)手寫(xiě)文字的序列化與識(shí)別方法[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號(hào)：1480274