LSTM递归神经网络人体活动行为识别算法研究

• 作者: 冯心欣 刘一鹏 李智敏 郑海峰
• 来源期刊: 电气技术
• 关键词: 递归神经网络 LSTM 活动行为识别 移动感知
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 研究与开发
• 页码范围: 26-30,36
• 页数: 6页
• 字数: 3138字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3800.2018.11.011

摘要

为克服支持向量机(SVM)等机器学习算法在人工提取数据特征时特征提取不充分和信息丢失的问题,本文提出基于长短期记忆(LSTM)的递归神经网络算法实现对人体活动行为模式的识别.本文提出的算法不仅能充分提取所收集到的人体活动行为数据的时间特性,还可有效避免传统递归神经网络的梯度消失问题,从而提高了人体活动行为识别的准确性.本文使用WISDM数据集对神经网络进行训练和测试,并采用交叉验证的方法对所提出的模型进行评估.实验结果表明,本文提出的方法在识别人体活动行为时相比较于SVM等机器学习算法提升了识别的精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑海峰	福州大学物理与信息工程学院	18	50	4.0	6.0
2	冯心欣	福州大学物理与信息工程学院	14	36	3.0	5.0
3	李智敏	福州大学物理与信息工程学院	1	1	1.0	1.0
4	刘一鹏	福州大学物理与信息工程学院	1	1	1.0	1.0