本文選題：在線序列ELM + 核函數(shù)��； 參考：《微電子學與計算機》2017年12期

【摘要】：提出了一種基于智能手機識別人體姿態(tài)的神經網絡分類器的設計方案.該設計的主旨是用第一級分類器區(qū)分動態(tài)和靜態(tài)動作,然后用第二級分類器分別識別這兩類動作.第一級分類器采用直接核感知機DKP(Direct Kernel Perceptron),其具有簡單、快速,α系數(shù)可直接計算得出而無需任何反復訓練的特點.在線序列核極限學習機OS-KELM(Online Sequential Kernel Extreme Learning Machine)因其高效性被作為第二級分類器.實驗結果成功驗證提出的識別方案是可行的.
[Abstract]:A neural network classifier based on smart phone recognition is proposed. The purpose of the design is to distinguish the dynamic and static actions with the first stage classifier, and then identify the two kinds of actions with the second level classifier. The first stage classifier uses DKP (Direct Kernel Perceptron), which is simple, fast, and the alpha coefficient can be calculated directly without any repeated training. Online Sequential Kernel extreme Learning Machine (OS-KELM) is used as the second-level classifier for its high efficiency. The experimental results show that the proposed scheme is feasible.
【作者單位】： 中國科學院微電子研究所;北京科技大學計算機與通信工程學院;
【基金】：國家重大專項(2015ZX03001013-002)
【分類號】：TP18

【相似文獻】

相關期刊論文 前5條

1 林宇翔;;手語姿態(tài)識別與智能手機[J];信息與電腦(理論版);2013年05期

2 李湘文;洪波;尹力;洪宇翔;;基于擺動旋轉電弧的焊槍空間姿態(tài)識別[J];焊接學報;2013年04期

3 孔維行;樂燕芬;施偉斌;李瑞祥;余家寶;孫鳳;;無線傳感器網絡人體姿態(tài)識別算法[J];數(shù)據通信;2013年03期

4 孫超;姜力;楊大鵬;趙京東;劉宏;;多FSR傳感器的手部姿態(tài)識別系統(tǒng)[J];機械與電子;2009年01期

5 陳國鋒,傅祥志,廖道訓;機器人DKP符號模型的計算機自動生成軟件系統(tǒng)[J];機器人;1993年05期

相關碩士學位論文 前5條

1 商業(yè);基于BP神經網絡的老年人姿態(tài)識別算法研究[D];東北大學;2014年

2 王浩;基于MQTT協(xié)議的人體姿態(tài)識別系統(tǒng)[D];山東大學;2017年

3 姚旭;基于姿態(tài)識別老人監(jiān)護系統(tǒng)的設計與實現(xiàn)[D];北京工業(yè)大學;2013年

4 陳雪鋒;基于人體姿態(tài)識別的機器人控制技術研究[D];武漢科技大學;2014年

5 蘇婷;傳感器信息集成在人體運動姿態(tài)捕獲與識別中的應用研究[D];哈爾濱理工大學;2015年

，

本文編號：2080527