一种基于迁移极速学习机的人体行为识别模型

• 作者: 屈肃 支周
• 来源期刊: 物联网技术
• 关键词: 迁移学习 人体行为识别 极速学习机 机器学习
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 全面感知
• 页码范围: 18-20
• 页数: 3页
• 分类号: TP391
• 语种: 中文

摘要

为了解决由于每个用户的行为都有自身的特点和习惯,加之手机放置位置和方向的不确定性及多样性所导致的通用模型识别率低的问题,文章提出了利用TrELM (Transfer Extreme Learning Machine)算法实现迁移学习,并基于智能手机中内置的加速度传感器进行信息采集并通过机器学习方法构建人体行为识别模型.该方法是一种基于参数迁移的方法,通过对ELM的目标函数进行修改,引入一个可以表示两域差异的迁移学习量,从而实现ELM模型的迁移学习.实验结果表明,该模型可以有效的提高新用户的行为识别正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	支周		2	2	1.0	1.0
2	屈肃	西安邮电大学计算机学院	2	10	2.0	2.0