基于集成學(xué)習(xí)理論的手勢識別研究.pdf

1、近年來，由于基于視覺的手勢識別技術(shù)能夠使人以更自然的方法與機器進行交互，越來越受到人們的重視。基于計算機視覺的手勢輸入技術(shù)的特點是對用戶的限制少，但是需要處理的數(shù)據(jù)量大，處理方法相對比較復(fù)雜，而在這種情況下，識別率往往不能得到有效的保證。所以如何能找到一種更有效提高其識別準(zhǔn)確率的手勢識別方法變得尤其重要。
　　 集成學(xué)習(xí)理論是一種新型的機器學(xué)習(xí)理論。集成學(xué)習(xí)系統(tǒng)綜合多個學(xué)習(xí)器的學(xué)習(xí)結(jié)果，通常能得到更好的學(xué)習(xí)結(jié)果。本文基于集成學(xué)習(xí)

2、理論，研究了手勢識別方法，具體工作包括:
　　 提出一種改進的特征集成方法。該方法首基于信息論理論基礎(chǔ)，在Attribute-Bagging(AB)算法的基礎(chǔ)上，引入不確定性度量(symmetrical uncertainty或SU)的概念，將所選屬性子集對類別的依賴程度作為權(quán)值，并采用加權(quán)投票的方法將候選分類器的輸出進行集成并得到最終結(jié)果。該方法克服了AB算法對分類器的依賴，提高了模型的魯棒性。對比實驗結(jié)果表明ABSU算法有較

3、高的分類性能。
　　 結(jié)合粗糙集理論和集成學(xué)習(xí)理論，提出了一種加權(quán)粗糙集集成方法。該方法首先采用信息熵離散化算法對連續(xù)型屬性進行離散化處理，然后基于可辨識矩陣求出多個約簡，并對得到的每一個約簡結(jié)果訓(xùn)練個體學(xué)習(xí)器，然后采用分類器分類識別率作為權(quán)值，采用加權(quán)投票的方法得到最終的集成輸出結(jié)果。對比實驗結(jié)果表明該方法具有較高的分類準(zhǔn)確性。
　　 設(shè)計并實現(xiàn)了一個手勢識別原型系統(tǒng)，該系統(tǒng)能對八種手勢進行識別。實測結(jié)果表明該系統(tǒng)具有