10.3778/j.issn.1002-8331.1404-0415
行为识别中基于GA优化的加速度特征选择方法
在基于加速度信号的人体行为识别中,LDA是较常用的特征降维方法之一,然而LDA并不直接以训练误差作为目标函数,无法保证获得训练误差最小的投影空间。针对这一情况,采用基于GA优化的LDA进行特征选择。提取加速度信号特征,利用PCA方法解决“小样本问题”,通过GA调整LDA中类间离散度矩阵的特征值矢量,使获得的投影空间训练误差最小。采用SVM对7种日常行为进行分类。实验结果表明,与单独采用PCA和采用PCA+LDA方法相比,基于GA优化的LDA算法在保证较高识别率的同时能有效降低特征维数并减小分类误差,最终测试样本的识别率可达95.96%。
行为识别、加速度传感器、主成分分析(PCA)、线性判别分析(LDA)、遗传算法(GA)、支持向量机(SVM)
52
TP212.9(自动化技术及设备)
国家自然科学基金No.61174021;中央高校基本科研业务费专项资金No.JUSRP21129;江苏高校优势学科建设工程资助项目。
2016-04-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
139-143,166