基于SPLDA降维和XGBoost分类器的行为识别方法研究

• 作者: 叶丹 李智 王勇军
• 来源期刊: 微电子学与计算机
• 关键词: 行为识别 SPLDA 投影向量 降维算法 分类
• 年，卷（期）: 2019,（6）
• 页码范围: 35-39
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文

摘要

针对人体行为识别过程中分类算法识别精度低和数据样本集的“维数灾难”问题,提出了基于行为识别的SPLDA降维算法.首先,利用SPLDA算法在原有样本协方差矩阵不变的情况下获取最重要的主分量,通过贪婪搜索方法得到多个投影向量;然后,通过更新类内散度矩阵获得最优转换矩阵;最后,将降维后的样本数据集通过XGBoost分类器进行最终的行为识别.实验结果表明,XGBoost分类器与随机森林算法相比,平均识别精度提高了2.66％,识别时间降低了0.52 s;SPLDA-XGB算法可以实现有效降维且比PCA算法、LDA算法、LPP算法、L-PCA算法与XGBoost分类器结合的识别算法具有更高的人体行为识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王勇军	桂林电子科技大学电子工程与自动化学院	24	96	6.0	9.0
3	李智	桂林航天工业学院无人机遥测重点实验室	54	170	8.0	11.0
6	叶丹	桂林电子科技大学电子工程与自动化学院	1	1	1.0	1.0