面向多維傳感器活動識別的深度卷積神經網絡研究.pdf_第1頁
已閱讀1頁,還剩67頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在大數(shù)據(jù)時代,非傳統(tǒng)數(shù)據(jù)急速膨脹,基于傳感器的活動識別領域也發(fā)生了巨大變化,從海量樣本數(shù)據(jù)中挖掘有價值的信息并非易事,對傳統(tǒng)分類算法的處理速度和識別正確率均提出了挑戰(zhàn)。這催生了許多新技術的發(fā)展和多學科的融合,如將深度卷積神經網絡用于基于傳感器的活動識別。本文主要進行面向多維傳感器活動識別的深度卷積神經網絡研究,在多個數(shù)據(jù)集上進行實驗,取得了良好的研究與應用效果。
  首先,將傳統(tǒng)的SVM算法和深度卷積神經網絡用于基于傳感器的活動識

2、別。在不同的活動識別數(shù)據(jù)集上分別用SVM算法和深度卷積神經網絡進行實驗,實驗證明,深度卷積神經網絡比SVM算法更適用于實際場景中的活動識別。
  其次,詳細說明了卷積神經網絡涉及的原理、概念、整體架構、稀疏連接和權重共享思想。然后介紹基于融合特征的卷積神經網絡,與其他算法進行對比,基于融合特征的卷積神經網絡取得了良好效果。在機會數(shù)據(jù)集上進行實驗,活動識別的正確率達到88.0%;在Skoda數(shù)據(jù)集上進行實驗,活動識別的正確率達到95

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論