基于PSO的RF模型在人体活动识别中的应用

Application of RF model based on PSO in human activity recognition

倪洪科 ¹王斌 ²王英超 ³高慧敏²

扫码查看

作者信息

1. 浙江理工大学计算机科学与技术学院,浙江杭州 310018
2. 嘉兴学院信息科学与工程学院
3. 苏州蓝赫朋勃智能科技有限公司
折叠

摘要

提出一种基于粒子群优化(PSO)的随机森林(RF)识别方法.利用PSO算法搜寻最优的RF超参数n_estimators和max_depth,构建了PSO-RF人体活动识别模型.基于华盛顿州立大学CASAS项目数据集的实验共识别30种日常活动.仿真结果表明,PSO-RF模型的识别准确率达到95％,Accuracy、Precision、Recall和F1-score评价指标均优于其他经典的分类模型,具有较好的预测精度和泛化能力,可为智能家居系统个性化服务提供辅助决策.

关键词

随机森林/粒子群优化/人体活动识别/传感数据

引用本文复制引用

基金项目

住房和城乡建设部202科学技术计划(2022-K-104)

嘉兴市公益性研究计划(2020AY10012)

出版年

2023

计算机时代

浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411

ISSN：1006-8228

参考文献量5

段落导航