首页|基于PSO的RF模型在人体活动识别中的应用

基于PSO的RF模型在人体活动识别中的应用

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Application of RF model based on PSO in human activity recognition

倪洪科、王斌、王英超、高慧敏

展开 >

浙江理工大学计算机科学与技术学院,浙江 杭州 310018

嘉兴学院信息科学与工程学院

苏州蓝赫朋勃智能科技有限公司

随机森林 粒子群优化 人体活动识别 传感数据

住房和城乡建设部202科学技术计划嘉兴市公益性研究计划

2022-K-1042020AY10012

2023

10.16644/j.cnki.cn33-1094/tp.2023.05.029

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
年,卷(期)：2023.(5)
  • 5