原文服务方: 微电子学与计算机       
摘要:
在利用WiFi信号实现人群计数中,基于信道状态信息幅度(Channel State Information,CSI)存在分类模型滤波不彻底和准确度差的问题,本文提出了一种基于多接收天线之间相位差扩展矩阵信息的支持向量机(Sup-port Vector Machine,SVM)增量学习算法.首先对CSI原始相位数据执行三重处理,以便最大程度的消除环境干扰和相位误差;另外提出了一种建立相位差扩展矩阵的思想,加入了不同人数场景的动态特征,提高了人群计数准确性.考虑到新增场景后,原训练数据和新增数据需合并进行重新训练,因训练数据过多会造成计算复杂度过高,为此我们提出了一种基于SVM增量学习分类算法,设计了一个循环迭代过程,实现了对增量数据在线学习的功能,且在提升人群计数准确率和降低计算复杂度方面均取得了较好的效果.算法结果表明,本文方法可实现实时人群计数,在最大计数误差为1人时,平均计数精度可达95%以上,且随着场景增多在训练识别模型时节约的时间越显著.
推荐文章
支持向量机增量学习方法及应用
支持向量机
增量学习
学习精度
学习速度
基于云模型的最接近支持向量机增量学习方法
支持向量机
云模型
分类
增量学习
一种新的SVM多层增量学习方法HISVML
支持向量机
增量学习
关键词学习
文本分类
基于支持向量机的并行学习方法研究
并行处理系统
学习系统
支持向量机
分类器组合
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种适于多场景人群计数的支持向量机增量学习方法
来源期刊 学科 工学
关键词 人群计数 信道状态信息 支持向量机 增量学习
年,卷(期) 2022,(2) 所属期刊栏目 计算机工程与应用
研究方向 页码范围 75-83
页数 8页 分类号 TP399
字数 语种 中文
DOI 10.19304/J.ISSN1000-7180.2021.0464
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人群计数
信道状态信息
支持向量机
增量学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导