基于随机Dropout深度信念网络的移动用户行为识别方法

发布时间：2018-01-31 23:25

本文关键词： 行为识别深度信念网络深度学习 Dropout　出处：《计算机应用研究》2017年12期 　论文类型：期刊论文

【摘要】：针对移动用户行为识别模型中存在过度拟合导致泛化性差的问题,提出一种基于随机Dropout深度信念网络(deep belief network,DBN)的移动用户行为识别方法。该方法通过随机更改Dropout算法中的概率参数,减少隐层单元的网络节点数,优化每次训练的网络权值,以提高行为识别的准确率和样本较少时的泛化能力。实验结果表明,加入随机Dropout的网络对静止、散步、跑步、上楼及下楼五种行为的平均识别准确率可达94.23%,相对于传统的DBN识别方法,准确率提高了4.57%。
[Abstract]:In view of the problem of poor generalization caused by over-fitting in mobile user behavior recognition model. A deep belief network based on random Dropout depth belief network is proposed. By randomly changing the probabilistic parameters in the Dropout algorithm, the number of network nodes in the hidden layer unit is reduced, and the network weights of each training are optimized. In order to improve the accuracy of behavior recognition and generalization ability when there are fewer samples, the experimental results show that the network with random Dropout is static, walking and running. The average recognition accuracy of the five behaviors upstairs and downstairs can reach 94.233.Compared with the traditional DBN recognition method, the accuracy rate is increased by 4.57.
【作者单位】：西安邮电大学计算机学院;
【基金】：国家自然科学基金资助项目(61373116) 陕西省科技统筹创新工程计划项目(2016KTZDGY04-01) 西安邮电大学研究生创新基金项目(103-602080006) 西安市科技局科技计划项目[2017084CG/RC047(XAYD001)]
【分类号】：TP18;TP391.41
【正文快照】： 人体行为识别是人工智能和模式识别领域内的一个热门研究方向[1,2],在视频检索、智能家居和健康监测等领域有着广泛的应用前景。随着移动设备的快速发展,不同种类和功能的传感器集成到移动终端上,使得利用三轴加速度数据进行人体行为分析和识别成为可能。传统机器学习算法模型

【相似文献】