文献类型：期刊文章

作　　者：吴建宁[1] 林秋婷[2] 伍滨[3]

Wu Jianning;Lin Qiuting;Wu Bin(College of Computer and Cyber Security,Fujian Normal University,Fuzhou 350117,China;School of Mathematics and Statistics,Fujian Normal University,Fuzhou 350117,China;Hospital of Fujian Normal University,Fuzhou 350007,China)

机构地区：[1]福建师范大学计算机与网络空间安全学院,福州350117 [2]福建师范大学数学与统计学院,福州350117 [3]福建师范大学校医院,福州350007

出　　处：《中国生物医学工程学报》

基　　金：国家自然科学基金(82072043);福建省自然科学基金(2020J01163)。

年　　份：2022

卷　　号：41

期　　号：6

起止页码：641-649

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EMBASE、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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、10299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。

关 键 词：人体动作分类  核主成分分析 相关向量机

分 类 号：R318[生物医学工程类]