无监督特征学习的人体活动识别

• 作者: 丁博 史殿习 李勇谋
• 来源期刊: 国防科技大学学报
• 学科: 工学
• 关键词: 人体活动识别 无监督特征学习 智能手机 传感器
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 计算机科学与技术?信息与通信工程
• 页码范围: 128-134
• 页数: 7页
• 分类号: TP391
• 字数: 7671字
• 语种: 中文
• DOI: 10.11887/j.cn.201505020

摘要

针对人的局限性可能会导致在提取特征中丢失重要信息，从而影响最终的识别效果问题，提出无监督特征学习技术的惯性传感器特征提取方法。其核心思想是使用无监督特征学习方法学习多个特征映射，再将所有特征映射拼接起来形成最终的特征计算方法。其优点是不会造成重要信息的损失，而且可以显著减少所使用的无监督特征学习模型的规模。为了验证所提出的特征提取方法在活动识别中的有效性，运用一个公开的活动识别数据集，使用三种常用无监督模型进行特征提取，并使用支持向量机进行活动识别。实验结果表明，特征提取方法取得了良好的效果，与其他方法相比具有一定的优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史殿习	国防科技大学计算机学院	32	442	7.0	20.0
2	丁博	国防科技大学计算机学院	11	290	5.0	11.0
3	李勇谋	国防科技大学计算机学院	1	5	1.0	1.0