發(fā)布時間：2018-05-08 16:32

  本文選題：智能手機 + 多分類器融合　； 參考：《西安郵電大學》2017年碩士論文

【摘要】：近年來,隨著內置高性能傳感器的智能手機的迅速普及,基于智能手機的人體行為識別成為國內外學者研究的熱點。通過采集手機內置傳感器數(shù)據(jù),可以快速準確的獲得當前使用者活動狀況,給人們的生活帶來了極大的便利,已廣泛應用于智能家居、醫(yī)療保健及行為監(jiān)控等領域。與此同時,如何高效利用智能手機去識別人體行為成為難題,大多數(shù)研究者通過優(yōu)選特征數(shù)據(jù)或改進分類器算法以提高識別準確率。但是,由于優(yōu)選的特征并不一定能夠全面反映用戶多種行為模式之間的差異性,以及一種分類器算法不可能對多種行為都有良好的分類效果,故容易造成一些行為識別準確率不高和整個模型誤判率增加等問題。為了提高基于智能設備的人體日常行為識別的準確率,本文用到了集成學習中的多分類器融合技術,利用不同的分類器處理對象具有互補性這一特點建立模型,根據(jù)分類器在行為識別中的性能將其分成專用基分類器組合和通用基分類器組合,針對兩種基分類器組合的輸出提出兩種形式的融合算法。(1)基于軟決策形式的融合算法。該算法利用基分類器輸出的每種行為類別的后驗概率值進行比較,選出最大的概率值作為基分類器的閾值,再將各個基分類器輸出值求和后取其均值,從而得到最終的分類結果。該算法用到了分類器輸出為軟決策形式的最大值法、求和法、乘積法及均值法等融合算法,針對特定行為訓練的專用基分類器組合的輸出進行融合處理。(2)基于硬決策形式的融合算法。該算法是通過改進分類器輸出為硬決策形式中的傳統(tǒng)投票法的融合算法,它對通用基分類器組合的輸出作融合處理。通用基分類器組合中基分類器的類型不同,對每種行為的識別能力差異性很大,需要預先把每個基分類器進行可信度評定,保留高可信度的基分類器的決策作為有效票,然后統(tǒng)計出得票最多的行為類別,若其達到規(guī)定的比例,即將該行為類別作為模型最終輸出結果。使用兩種基分類器組合與對應兩種融合算法建立的兩種行為識別模型,通過真實環(huán)境中用戶使用自己的智能手機進行實驗驗證。實驗結果表明,所提出兩種行為識別模型均能有效進行人體日常行為識別。另外,本文提出的兩種融合算法,與傳統(tǒng)的融合算法建立行為識別模型相比,其識別準確率、可信度以及穩(wěn)定性更高,充分證明了提出的算法的可行性。
[Abstract]:In recent years , with the rapid popularization of smart phones with built - in high - performance sensors , the recognition of human behavior based on smart phones has become a hot topic at home and abroad .

【學位授予單位】：西安郵電大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.4;TP18

【相似文獻】

相關期刊論文 前10條

1 呂岳,施鵬飛,趙宇明;多分類器組合的投票表決規(guī)則[J];上海交通大學學報;2000年05期

2 韓宏;楊靜宇;;多分類器組合及其應用[J];計算機科學;2000年01期

3 陳剛,戚飛虎;多分類器結合的人臉識別[J];上海交通大學學報;2001年02期

4 韓宏,楊靜宇,婁震;基于層次的分類器組合[J];南京理工大學學報(自然科學版);2002年01期

5 趙誼虹,程國華,史習智;多分類器融合中一種新的加權算法[J];上海交通大學學報;2002年06期

6 王正群,葉暉,孫興華,楊靜宇;模糊多分類器組合[J];小型微型計算機系統(tǒng);2003年01期

7 楊利英,覃征,王向華;多分類器融合實現(xiàn)機型識別[J];計算機工程與應用;2004年15期

8 楊利英,覃征,王衛(wèi)紅;多分類器融合系統(tǒng)設計與應用[J];計算機工程;2005年05期

9 陳湘;;1-范數(shù)軟間隔分類器的風險[J];湖北大學學報(自然科學版);2006年02期

10 秦鋒;楊波;程澤凱;;分類器性能評價標準研究[J];計算機技術與發(fā)展;2006年10期

相關會議論文 前10條

1 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級分類器的垃圾短信過濾方法[A];第五屆全國信息檢索學術會議論文集[C];2009年

2 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗證對象集分類器的再訓練演進[A];第十九屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2002年

3 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機手寫識別筆段特征分類器的學習方法[A];黑龍江省計算機學會2009年學術交流年會論文集[C];2010年

4 穆明生;;基于特征集的多種分類器模型的在線筆跡認證[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

5 彭濤;左萬利;赫楓齡;;基于鏈接上下文的分類器主題爬行技術(英文)[A];第二十三屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2006年

6 王嵐;陳珂;遲惠生;;基于多特征組合多分類器的方法用于“與文本無關”的說話人辨認[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

7 謝秋玲;;應用于心電圖分類的KNN-SVM分類器研究[A];2006中國控制與決策學術年會論文集[C];2006年

8 胡瓊;汪榮貴;胡韋偉;孫見青;;基于級聯(lián)分類器的快速人臉檢測方法[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

9 李蘭春;王雙成;杜瑞杰;;認知結構評估的動態(tài)貝葉斯網絡分類器方法[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

10 邵小健;段華;賀國平;;一種改進的最少核分類器[A];中國運籌學會第七屆學術交流會論文集（上卷）[C];2004年

相關重要報紙文章 前1條

1 黃明;精子分類器決定生男生女[N];廣東科技報;2000年

相關博士學位論文 前10條

1 張非;對抗逃避攻擊的防守策略研究[D];華南理工大學;2015年

2 張文博;多類別智能分類器方法研究[D];西安電子科技大學;2014年

3 許勁松;智能交通中目標檢測與分類關鍵技術研究[D];南京理工大學;2014年

4 趙作林;基于圖像分析的北京地區(qū)楊樹種類識別研究[D];北京林業(yè)大學;2015年

5 任亞峰;基于標注和未標注數(shù)椐的虛假評論識別研究[D];武漢大學;2015年

6 曹鵬;不均衡數(shù)據(jù)分類方法的研究[D];東北大學;2014年

7 劉明;分類器組合技術研究及其在人機交互系統(tǒng)中的應用[D];北京交通大學;2008年

8 嚴志永;在劃分數(shù)據(jù)空間的視角下基于決策邊界的分類器研究[D];浙江大學;2011年

9 王U，

本文編號：1862133