Indexed by：
Abstract：
为克服支持向量机(SVM)等机器学习算法在人工提取数据特征时特征提取不充分和信息丢失的问题,本文提出基于长短期记忆(LSTM)的递归神经网络算法实现对人体活动行为模式的识别.本文提出的算法不仅能充分提取所收集到的人体活动行为数据的时间特性,还可有效避免传统递归神经网络的梯度消失问题,从而提高了人体活动行为识别的准确性.本文使用WISDM数据集对神经网络进行训练和测试,并采用交叉验证的方法对所提出的模型进行评估.实验结果表明,本文提出的方法在识别人体活动行为时相比较于SVM等机器学习算法提升了识别的精确度.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电气技术
ISSN： 1673-3800
CN： 11-5255/TM
Year： 2018
Issue： 11
Volume： 19
Page： 26-30,36
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
