西安邮电大学学报

2016, v.21;No.119(02) 92-97

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Archive) | 高级检索(Advanced Search)

一种基于人工标签数据的行为识别模型迁移方法
A model transfer learning algorithm for activity recognition based on artificial labeling data

王忠民,王晶,张荣

摘要(Abstract):

针对通用模型对新用户行为识别准确率的问题,给出一种基于人工标签数据的模型迁移方法。对新用户采集少量带标签数据,经过带通滤波、特征提取和归一化预处理,将其加入到通用模型训练集中。对更新后的训练集进行重新训练,以所得模型与通用模型对新用户数据识别准确率的差值作为迁移必要性度量阈值,利用K-均值算法以及由底至顶的决策树子节点属性平均值替代法,对模型进行迁移。实验结果显示,与原通用模型相比,由所给方法迁移学习得到的个性化模型的识别准确率有明显提高。

关键词(KeyWords): 行为识别;分类回归树;人工标签;类K-means均值修改模型迁移方法

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(61373116);; 工业和信息化部软科学研究计划资助项目(2014R32);; 陕西省工业公关计划资助项目(2012K06-05);; 陕西省教育厅产业化培育基金资助项目(2012JC22)

作者(Author): 王忠民,王晶,张荣

DOI: 10.13682/j.issn.2095-6533.2016.02.018

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享