基于随机Dropout深度信念网络的移动用户行为识别方法

• 作者: 宋辉 王希 王忠民
• 来源期刊: 计算机应用研究
• 关键词: 行为识别 深度信念网络 深度学习 Dropout
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 3797-3800
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.12.063

摘要

针对移动用户行为识别模型中存在过度拟合导致泛化性差的问题,提出一种基于随机Dropout深度信念网络(deep belief network,DBN)的移动用户行为识别方法.该方法通过随机更改Dropout算法中的概率参数,减少隐层单元的网络节点数,优化每次训练的网络权值,以提高行为识别的准确率和样本较少时的泛化能力.实验结果表明,加入随机Dropout的网络对静止、散步、跑步、上楼及下楼五种行为的平均识别准确率可达94.23％,相对于传统的DBN识别方法,准确率提高了4.57％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王忠民	西安邮电大学计算机学院	88	745	14.0	23.0
2	宋辉	西安邮电大学计算机学院	21	86	6.0	7.0
3	王希	西安邮电大学计算机学院	5	12	2.0	3.0