行为识别中基于GA优化的加速度特征选择方法

• 作者: 卢先领 徐仙 王洪斌
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 行为识别 加速度传感器 主成分分析(PCA) 线性判别分析(LDA) 遗传算法(GA) 支持向量机(SVM)
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 139-143,166
• 页数: 6页
• 分类号: TP212.9
• 字数: 5106字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1404-0415

摘要

在基于加速度信号的人体行为识别中，LDA是较常用的特征降维方法之一，然而LDA并不直接以训练误差作为目标函数，无法保证获得训练误差最小的投影空间。针对这一情况，采用基于GA优化的LDA进行特征选择。提取加速度信号特征，利用PCA方法解决“小样本问题”，通过GA调整LDA中类间离散度矩阵的特征值矢量，使获得的投影空间训练误差最小。采用SVM对7种日常行为进行分类。实验结果表明，与单独采用PCA和采用PCA+LDA方法相比，基于GA优化的LDA算法在保证较高识别率的同时能有效降低特征维数并减小分类误差，最终测试样本的识别率可达95.96%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢先领	江南大学轻工过程先进控制教育部重点实验室	29	232	8.0	14.0
5	王洪斌	江南大学轻工过程先进控制教育部重点实验室	6	105	5.0	6.0
9	徐仙	江南大学轻工过程先进控制教育部重点实验室	4	39	4.0	4.0