基于核函数的在线序列ELM算法的姿态识别

• 作者: 刘健 张浩 陈立平 韩莹
• 来源期刊: 微电子学与计算机
• 关键词: 在线序列ELM 核函数 人类姿态识别 模式识别 Fisher准则 特征聚类
• 年，卷（期）: 2018,（1）
• 页码范围: 91-95
• 页数: 5页
• 分类号: TP31
• 语种: 中文

摘要

姿态识别是许多应用的基础(医学、运动、游戏、安全).传统的识别算法采用批学习的方式去训练网络,但是数据量庞大且数据不会一次性获取,这会导致这类算法花费大量的学习时间且网络权重也不能在线更新.对此利用一种基于核函数的在线序列极限学习机OS-KELM(Online Sequential Kernel Extreme Learning Machine)算法实现人体姿态的分类识别.为降低学习难度和提高学习效率,使用了基于Fisher准则和特征聚类的方法进行特征选择.用手机的三轴加速度计和陀螺仪数据识别人走路、下楼、上楼、站立、坐和躺下的姿态,平均识别精度达到91.89％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张浩	中国科学院微电子研究所	109	659	13.0	20.0
2	刘健	北京科技大学计算机与通信工程学院	19	117	5.0	10.0
3	陈立平	中国科学院微电子研究所	4	11	2.0	3.0
4	韩莹	中国科学院微电子研究所	16	87	6.0	9.0