典型文献
基于多特征融合的活动识别算法
文献摘要：
基于可穿戴传感器的人体活动识别技术在许多领域应用广泛,从人体活动信号中提取丰富的特征是提高活动识别准确率的关键技术之一.为此,提出基于傅里叶描述子(FDs)、局部二值特征(LBP)和小波能量谱(WES)的融合特征提取人体活动的详细信息.为提高识别系统的可靠性,去除对识别精度没有影响的冗余特征,引入过滤式选择算法Relief-F进行特征选择,筛选对不同活动具有较高区分度的特征,然后利用随机森林分类器对多种不同活动进行精确识别.基于Python3.6平台,在公开的WISDM和ADL数据集上验证该算法的有效性.实验结果表明,多特征融合算法对WISDM和ADL数据集分别取得了94.5％和95.3％的识别准确率,识别效果明显优于单一特征算法,具有很强的鲁棒性.
文献关键词：
傅里叶描述子;局部二值特征;特征选择;人体活动识别
中图分类号：
作者姓名：
张耀威;李瑞祥;戴健威;施伟斌
作者机构：
上海理工大学光电信息与计算机工程学院,上海200093
文献出处：
引用格式：
[1]张耀威;李瑞祥;戴健威;施伟斌-.基于多特征融合的活动识别算法)[J].软件导刊,2022(03):72-77
A类：
局部二值特征,WISDM
B类：
多特征融合,识别算法,可穿戴传感器,人体活动识别,识别准确率,傅里叶描述子,FDs,LBP,小波能量谱,WES,融合特征,详细信息,识别系统,识别精度,冗余特征,选择算法,Relief,特征选择,选对,区分度,随机森林分类器,多种不同,精确识别,Python3,ADL,融合算法
AB值：
0.328139
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
