人體的活動(dòng)數(shù)據(jù),可被一些采集設(shè)備諸如智能手機(jī)、手環(huán)等中的傳感器自主收集。分析這些數(shù)據(jù)中蘊(yùn)含的活動(dòng)類(lèi)型具有重要的現(xiàn)實(shí)意義。傳統(tǒng)的手工提取特征的活動(dòng)識(shí)別方法不具備較好的泛化能力,提取特征的好壞與領(lǐng)域知識(shí)強(qiáng)相關(guān),具有相當(dāng)?shù)木窒扌�。�?dāng)前在圖像、語(yǔ)音、翻譯等領(lǐng)域針對(duì)深度學(xué)習(xí)中卷積網(wǎng)絡(luò)與循環(huán)網(wǎng)絡(luò)等研究愈發(fā)多,但在活動(dòng)識(shí)別領(lǐng)域的相關(guān)研究還不是很多,純粹針對(duì)原始數(shù)據(jù)應(yīng)用這些網(wǎng)絡(luò)架構(gòu)的研究更是較少。有鑒于此,本文從以下三個(gè)方面展開(kāi)人體活動(dòng)識(shí)別研究的相關(guān)工作。首先,進(jìn)行了卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)在人體活動(dòng)識(shí)別問(wèn)題上的探究。具體而言選取了 3個(gè)典型的卷積神經(jīng)網(wǎng)絡(luò)與3個(gè)典型的循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn),將這6個(gè)網(wǎng)絡(luò)模型置放到3個(gè)公開(kāi)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),針對(duì)這3個(gè)數(shù)據(jù)集還進(jìn)行了 4種傳統(tǒng)機(jī)器學(xué)習(xí)方法的實(shí)驗(yàn),于此則能較為詳盡的比對(duì)說(shuō)明。其次,針對(duì)卷積模型與循環(huán)模型,本文提出了二者特征聯(lián)合的CRNN模型,該模型按卷積網(wǎng)絡(luò)和循環(huán)網(wǎng)絡(luò)組合方式的不同劃分為聯(lián)立與分立兩種形式。針對(duì)這兩種不同形式的模型,在同樣的3個(gè)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。最后,針對(duì)傳感器數(shù)據(jù)特征提取過(guò)程的不同,本文提出了不同于一般卷積網(wǎng)絡(luò)模型中固定卷積維度的變維卷積... 

【文章來(lái)源】：廈門(mén)大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１?ＮＮ基本單元結(jié)構(gòu)??

函數(shù)?ＲｅＬＵ（?Ｒｅｃｔｉｆｉｅｄ?Ｌｉｎｅａｒ?Ｕｎｉｔｓ）［２３］?／（ｘ）?＝?Ｚ？ｅＬ＂（ｘ）?＝?０?（ｘ?￡?０）?ｏｒ?ｘ?（ｘ?仝?０），??注意到該表達(dá)式也可以等效簡(jiǎn)潔寫(xiě)成／（ｘ）?＝?ｍａｘ（０，?ｘ）。該表達(dá)式圖像可繪制如??下圖（圖２．２）。???ｒｅｌｕ（ｘ）???１?ｊ?Ｉ?ｆ?Ｉ?ｉ￣???：???！?———Ｌ?十????ｊ?…??１?？?．?．．?．．．?Ｉ??．???．：?？?＇?Ｉ???ｊ?Ｊ?＾??一?３?Ｈ?ｒ—?１?１?１?１???－３－２－１０?１?２?３??ｘ??圖２．２?ＲｅＬＵ函數(shù)解析式圖??上述這些函數(shù)一般使用標(biāo)量值作為輸入。另外的，當(dāng)單元的輸入值是一個(gè)向??量值，常用的激勵(lì)函數(shù)有Ｓｏｆｔｍａｘ函數(shù)，Ｍａｘｏｕｔ函數(shù)等。這兩個(gè)函數(shù)的表達(dá)式對(duì)??應(yīng)如下。??乂２，…，＾Ｖｎ）ｉ?－?￣＾７?（２．１）??／（ｘｘ，?ｘ２，．．．，?ｘｍ）?＝?ｍａｘ（ｘｖ?ｘ２，．．．，?ｘｍ）?（２．２）??ＮＮ?—般包括輸入、隱含、輸出三個(gè)層次。其基本結(jié)構(gòu)如下圖（圖２．３）所示，??圖示結(jié)構(gòu)包含６個(gè)輸入單元的輸入層，２個(gè)單元的隱含層，以及用于最后分類(lèi)的??一個(gè)單元的輸出。當(dāng)需要預(yù)測(cè)很多類(lèi)時(shí)

函數(shù)?ＲｅＬＵ（?Ｒｅｃｔｉｆｉｅｄ?Ｌｉｎｅａｒ?Ｕｎｉｔｓ）［２３］?／（ｘ）?＝?Ｚ？ｅＬ＂（ｘ）?＝?０?（ｘ?￡?０）?ｏｒ?ｘ?（ｘ?仝?０），??注意到該表達(dá)式也可以等效簡(jiǎn)潔寫(xiě)成／（ｘ）?＝?ｍａｘ（０，?ｘ）。該表達(dá)式圖像可繪制如??下圖（圖２．２）。???ｒｅｌｕ（ｘ）???１?ｊ?Ｉ?ｆ?Ｉ?ｉ￣???：???！?———Ｌ?十????ｊ?…??１?？?．?．．?．．．?Ｉ??．???．：?？?＇?Ｉ???ｊ?Ｊ?＾??一?３?Ｈ?ｒ—?１?１?１?１???－３－２－１０?１?２?３??ｘ??圖２．２?ＲｅＬＵ函數(shù)解析式圖??上述這些函數(shù)一般使用標(biāo)量值作為輸入。另外的，當(dāng)單元的輸入值是一個(gè)向??量值，常用的激勵(lì)函數(shù)有Ｓｏｆｔｍａｘ函數(shù)，Ｍａｘｏｕｔ函數(shù)等。這兩個(gè)函數(shù)的表達(dá)式對(duì)??應(yīng)如下。??乂２，…，＾Ｖｎ）ｉ?－?￣＾７?（２．１）??／（ｘｘ，?ｘ２，．．．，?ｘｍ）?＝?ｍａｘ（ｘｖ?ｘ２，．．．，?ｘｍ）?（２．２）??ＮＮ?—般包括輸入、隱含、輸出三個(gè)層次。其基本結(jié)構(gòu)如下圖（圖２．３）所示，??圖示結(jié)構(gòu)包含６個(gè)輸入單元的輸入層，２個(gè)單元的隱含層，以及用于最后分類(lèi)的??一個(gè)單元的輸出。當(dāng)需要預(yù)測(cè)很多類(lèi)時(shí)

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林算法的多維情境特征活動(dòng)識(shí)別[J]. 劉克強(qiáng),汪云甲,陳銳志,褚天行.  測(cè)繪通報(bào). 2017(07)
[2]基于三軸傳感器的老年人日�；顒�(dòng)識(shí)別[J]. 汪成亮,王小均.  電子學(xué)報(bào). 2017(03)
[3]基于特征融合進(jìn)行活動(dòng)識(shí)別的DCNN方法[J]. 王金甲,楊中玉.  高技術(shù)通訊. 2016(04)
[4]手機(jī)位置和朝向無(wú)關(guān)的活動(dòng)識(shí)別技術(shù)研究[J]. 吳淵,史殿習(xí),楊若松,李寒,陳茜,周榮.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(04)
[5]無(wú)監(jiān)督特征學(xué)習(xí)的人體活動(dòng)識(shí)別[J]. 史殿習(xí),李勇謀,丁博.  國(guó)防科技大學(xué)學(xué)報(bào). 2015(05)



本文編號(hào)：2912963