基于深度学习的步态识别算法优化研究

• 作者: 姚爱琴 孙运强 张馨心 白桂峰 郭瑞琦
• 来源期刊: 自动化与仪表
• 关键词: 步态识别 BP神经网络 粒子群 深度学习 识别率
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 系统建模、仿真与分析
• 页码范围: 70-74
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2020.04.016

摘要

基于深度学习的神经网络,对步态识别算法进行了优化研究.利用粒子群优化BP神经网络阈值、权值,在神经网络中代入优化后的初始值进行训练,避免陷入局部最优.通过Vicon MX系统对角度特征值进行采集,利用基于粒子群优化BP神经网络进行识别,验证其识别步态的可行性;筛选出传感器系统特征值,在对其优化改进时选取粒子群优化BP神经网络.与传统神经网络法、粒子群优化法相比,基于粒子群优化BP神经网络法的识别方式,识别时间短且识别率高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙运强	中北大学信息与通信工程学院	146	962	13.0	25.0
2	姚爱琴	中北大学信息与通信工程学院	79	392	8.0	15.0
3	张馨心	中北大学信息与通信工程学院	6	7	1.0	2.0
4	白桂峰	中北大学信息与通信工程学院	2	2	1.0	1.0
5	郭瑞琦	中北大学信息与通信工程学院	4	0	0.0	0.0