基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
通过对UCF11体育运动数据库提取SIFT和STIP特征,采用留一交叉验证法(LOOCV),利用训练样本数据估算GMM参数以建立GMM—UBM,进一步通过MAP自适应算法得出GMM超向量。以GMM超向量作为输入特征训练SVM分类器在UCF11数据库上进行实际验证,实验证明该方法在行为识别方面具有较好的识别效果。
推荐文章
基于GMM聚类的鲁棒性i向量说话人确认
说话人识别
高斯混合模型
巴氏距离
支持向量机
线性判别分析
基于GMM均值超向量稀疏分解的 碰摩声发射源识别
风电机组
声发射
声源识别
实时监测
基于两种GMM-UBM多维概率输出的SVM语音情感识别
语音情感识别
特征向量同维GMM-UBM多维概率输出
GMM阶数同维GMM-UBM多维概率输出
支持向量机(SVM)
基于类内超平面距离度量模糊支持向量机的语音情感识别
语音情感识别
模糊支持向量机
隶属度函数
孤立点
类内超平面
精确识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于GMM超向量的行为识别研究
来源期刊 现代计算机:中旬刊 学科 工学
关键词 GMM超向量 EM算法 行为识别
年,卷(期) 2014,(3) 所属期刊栏目
研究方向 页码范围 20-22
页数 3页 分类号 TP391.4
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (39)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1995(4)
  • 参考文献(4)
  • 二级参考文献(0)
2000(4)
  • 参考文献(4)
  • 二级参考文献(0)
2004(4)
  • 参考文献(4)
  • 二级参考文献(0)
2005(4)
  • 参考文献(4)
  • 二级参考文献(0)
2011(4)
  • 参考文献(4)
  • 二级参考文献(0)
2013(4)
  • 参考文献(4)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
GMM超向量
EM算法
行为识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代计算机:中旬刊
月刊
1007-1423
44-1415/TP
广州市海珠区新港西路135号中山大学园B
46-205
出版文献量(篇)
9067
总下载数(次)
3
总被引数(次)
0
论文1v1指导