期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于无阈值递归图和CNN-LSTM的人体活动识别算法
被引量：
3
1
作者
史立宇
孙杨帆
+2 位作者
谢溢翀
黄旭萍
周彪
《传感器与微系统》
北大核心
2025年第3期130-133,共4页
人体活动识别(HAR)可为智慧生活、医疗监护、虚拟现实等上下文感知系统提供重要的基础信息,是模式识别领域的热门研究方向。针对现有基于惯性传感器的活动识别深度学习算法对于多维时间序列特征的提取效果欠佳的问题,提出了一种基于无...
人体活动识别(HAR)可为智慧生活、医疗监护、虚拟现实等上下文感知系统提供重要的基础信息,是模式识别领域的热门研究方向。针对现有基于惯性传感器的活动识别深度学习算法对于多维时间序列特征的提取效果欠佳的问题,提出了一种基于无阈值递归图(URP)和卷积神经网络—长短期记忆(CNN-LSTM)的活动识别算法。首先,使用SMOTE-ENN算法对惯性数据集进行增强,平衡各个类别样本数量比例;然后,使用URP方法将多维惯性传感时序波形构造为对应多个二维递归矩阵;最后,构建CNN-LSTM组合的分类模型。通过在UCI-HAR、WISDM公开数据集上的实验结果表明:所提算法在测试集上4种分类指标均得到提高,其中准确率分别达到98.32%和98.97%,性能优于现存的其他深度学习算法。
展开更多
关键词
人体活动识别
数据增强
深度学习
无阈值递归图
卷积神经网络
长短期记忆神经网络
在线阅读
下载PDF
职称材料
基于遗传算法特征优化的深度森林运动能耗估测
2
作者
谢溢翀
孙杨帆
+2 位作者
史立宇
黄旭萍
周彪
《传感器与微系统》
北大核心
2025年第3期161-164,共4页
针对运动能耗(EE)精确测量存在专业设备成本高、操作难度大的问题,因此利用多类型微型传感器集成的可穿戴设备采集运动相关数据,并利用机器学习模型对EE进行连续估测,是较为便利的替代方案。本文创新性地探究了深度森林(DF)算法在运动...
针对运动能耗(EE)精确测量存在专业设备成本高、操作难度大的问题,因此利用多类型微型传感器集成的可穿戴设备采集运动相关数据,并利用机器学习模型对EE进行连续估测,是较为便利的替代方案。本文创新性地探究了深度森林(DF)算法在运动量估计方面的可行性。同时,为了进一步降低估计模型复杂度,以适用于算力有限的可穿戴设备,对于DF算法的输入特征集进行了基于遗传算法(GA)的特征优选。在公开数据集上的测试结果表明:本文所提出的基于特征优化的DF运动量估测方案性能优于传统机器学习算法;并且在降低模型复杂度和算力要求的同时,进一步提升了EE的估测精度。
展开更多
关键词
运动能耗估测
深度森林
遗传算法
特征筛选
在线阅读
下载PDF
职称材料
题名
基于无阈值递归图和CNN-LSTM的人体活动识别算法
被引量：
3
1
作者
史立宇
孙杨帆
谢溢翀
黄旭萍
周彪
机构
江南大学
物联网工程学院
江南大学附属无锡精神卫生中心/无锡市中心康复医院
中国人民解放军联勤保障部队第九〇四
医院
出处
《传感器与微系统》
北大核心
2025年第3期130-133,共4页
基金
国家自然科学基金青年科学基金资助项目(61901206,61703185)
无锡市太湖人才计划资助项目(WXTTP2020008,WXTTP2021)。
文摘
人体活动识别(HAR)可为智慧生活、医疗监护、虚拟现实等上下文感知系统提供重要的基础信息,是模式识别领域的热门研究方向。针对现有基于惯性传感器的活动识别深度学习算法对于多维时间序列特征的提取效果欠佳的问题,提出了一种基于无阈值递归图(URP)和卷积神经网络—长短期记忆(CNN-LSTM)的活动识别算法。首先,使用SMOTE-ENN算法对惯性数据集进行增强,平衡各个类别样本数量比例;然后,使用URP方法将多维惯性传感时序波形构造为对应多个二维递归矩阵;最后,构建CNN-LSTM组合的分类模型。通过在UCI-HAR、WISDM公开数据集上的实验结果表明:所提算法在测试集上4种分类指标均得到提高,其中准确率分别达到98.32%和98.97%,性能优于现存的其他深度学习算法。
关键词
人体活动识别
数据增强
深度学习
无阈值递归图
卷积神经网络
长短期记忆神经网络
Keywords
human activity recognition
data augmentation
deep learning
unthresholded recurrence plot
convolutional neural network
long short-term memory neural network
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于遗传算法特征优化的深度森林运动能耗估测
2
作者
谢溢翀
孙杨帆
史立宇
黄旭萍
周彪
机构
江南大学
物联网工程学院
江南大学附属无锡精神卫生中心/无锡市中心康复医院
中国人民解放军联勤保障部队第九〇四
医院
出处
《传感器与微系统》
北大核心
2025年第3期161-164,共4页
基金
国家自然科学基金青年科学基金资助项目(61901206,61703185)
无锡市太湖人才计划资助项目(WXTTP2020008,WXTTP2021)。
文摘
针对运动能耗(EE)精确测量存在专业设备成本高、操作难度大的问题,因此利用多类型微型传感器集成的可穿戴设备采集运动相关数据,并利用机器学习模型对EE进行连续估测,是较为便利的替代方案。本文创新性地探究了深度森林(DF)算法在运动量估计方面的可行性。同时,为了进一步降低估计模型复杂度,以适用于算力有限的可穿戴设备,对于DF算法的输入特征集进行了基于遗传算法(GA)的特征优选。在公开数据集上的测试结果表明:本文所提出的基于特征优化的DF运动量估测方案性能优于传统机器学习算法;并且在降低模型复杂度和算力要求的同时,进一步提升了EE的估测精度。
关键词
运动能耗估测
深度森林
遗传算法
特征筛选
Keywords
energy expenditure estimation
deep forest
genetic algorithm
feature selection
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于无阈值递归图和CNN-LSTM的人体活动识别算法
史立宇
孙杨帆
谢溢翀
黄旭萍
周彪
《传感器与微系统》
北大核心
2025
3
在线阅读
下载PDF
职称材料
2
基于遗传算法特征优化的深度森林运动能耗估测
谢溢翀
孙杨帆
史立宇
黄旭萍
周彪
《传感器与微系统》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
