首页|基于多视图半监督集成学习的人体动作识别算法

基于多视图半监督集成学习的人体动作识别算法

Human action recognition method based on multi-view semi-supervised ensemble learning

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
移动设备上难以获取大量标签样本,而训练不足导致分类模型在人体动作识别上表现欠佳.针对这一问题,提出一种基于多视图半监督集成学习的人体动作识别算法.首先,利用两种内置传感器收集的数据构建两个特征视图,将两个视图和两种基分类器进行组合构建协同学习框架;然后,根据多分类任务重新定义置信度,结合主动学习思想在迭代过程中控制预测伪标签结果;使用LightGBM对扩充后的训练集进行学习.实验结果表明,算法的精确率、召回率和F1值较高,能稳定、准确地识别多种人体动作.

陈圣楠、范新民

展开 >

福建师范大学,福建福州350117

网络安全与教育信息化福建省高校工程研究中心,福建福州350117

人体动作识别 半监督学习 小样本 LightGBM

国家自然科学基金福建省中青年教师教育科研项目

71701019JAT200071

2021

10.11959/j.issn.2096-109x.2021061

网络与信息安全学报
人民邮电出版社

网络与信息安全学报

CSTPCD
ISSN：2096-109X
年,卷(期)：2021.7(3)
  • 9