基于DKP和OS-KELM算法的姿态识别

发布时间：2018-06-29 02:55

  本文选题：在线序列ELM + 核函数　； 参考：《微电子学与计算机》2017年12期

【摘要】：提出了一种基于智能手机识别人体姿态的神经网络分类器的设计方案.该设计的主旨是用第一级分类器区分动态和静态动作,然后用第二级分类器分别识别这两类动作.第一级分类器采用直接核感知机DKP(Direct Kernel Perceptron),其具有简单、快速,α系数可直接计算得出而无需任何反复训练的特点.在线序列核极限学习机OS-KELM(Online Sequential Kernel Extreme Learning Machine)因其高效性被作为第二级分类器.实验结果成功验证提出的识别方案是可行的.
[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.
【作者单位】： 中国科学院微电子研究所;北京科技大学计算机与通信工程学院;
【基金】：国家重大专项(2015ZX03001013-002)
【分类号】：TP18

【相似文献】

相关期刊论文 前5条

1 林宇翔;;手语姿态识别与智能手机[J];信息与电脑(理论版);2013年05期

2 李湘文;洪波;尹力;洪宇翔;;基于摆动旋转电弧的焊枪空间姿态识别[J];焊接学报;2013年04期

3 孔维行;乐燕芬;施伟斌;李瑞祥;余家宝;孙凤;;无线传感器网络人体姿态识别算法[J];数据通信;2013年03期

4 孙超;姜力;杨大鹏;赵京东;刘宏;;多FSR传感器的手部姿态识别系统[J];机械与电子;2009年01期

5 陈国锋,傅祥志,廖道训;机器人DKP符号模型的计算机自动生成软件系统[J];机器人;1993年05期

相关硕士学位论文 前5条

1 商业;基于BP神经网络的老年人姿态识别算法研究[D];东北大学;2014年

2 王浩;基于MQTT协议的人体姿态识别系统[D];山东大学;2017年

3 姚旭;基于姿态识别老人监护系统的设计与实现[D];北京工业大学;2013年

4 陈雪锋;基于人体姿态识别的机器人控制技术研究[D];武汉科技大学;2014年

5 苏婷;传感器信息集成在人体运动姿态捕获与识别中的应用研究[D];哈尔滨理工大学;2015年

，

本文编号：2080527