-
一種基于遷移極速學(xué)習(xí)機的人體行為識別模型
摘 要：為了解決由于每個用戶的行為都有自身的特點和習(xí)慣，加之手機放置位置和方向的不確定性及多樣性所導(dǎo)致的通用模型識別率低的問題，文章提出了利用TrELM（Transfer Extreme Learning Machine）算法實現(xiàn)遷移學(xué)習(xí)，并基于智能手機中內(nèi)置的加速度傳感器進行信息采集并通過機器學(xué)習(xí)方法構(gòu)建人體行為識別模型。該方法是一種基于參數(shù)遷移的方法，通過對ELM的目標函數(shù)進行修改，引入一個可以表示兩域差異的遷移學(xué)習(xí)量，從而實現(xiàn)ELM模型的遷移學(xué)習(xí)。實驗結(jié)果表明， 該模型可以有效的提高新用戶的行為識別正確率。
