科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对小样本人体动作数据分类泛化性能差等问题，提出一种基于核主成分分析的相关向量机人体动作分类新型模型。该模型有效利用核函数，融合核主成分分析与相关向量机，在高维特征空间挖掘更多蕴含人体动作差异信息的非线性特征，提升相关向量机准确表征人体动作差异稀疏分布的学习性能，提高小样本人体动作数据分类泛化性能。选用美国加利福尼亚州大学公开的可穿戴人体动作数据库UCI-HAR中所有30名受试者，共6类动作模式、10 299个样本数据，采用十次交叉验证训练测试方法，评价所提出模型的有效性。结果表明，仅需约10个相关向量，分类准确率可达96%,分别高于基于核主成分分析的支持向量机和CNN-LSTM深度学习模型的分类准确率约5.4%和3.6%,有效提高小样本动作数据分类泛化性能，为准确鉴别人体动作变化提供一个新的思路和方法。
- 单位
