模式识别与人工智能
2025年1月12日 星期日   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2015, Vol. 28 Issue (12): 1127-1136    DOI: 10.16451/j.cnki.issn1003-6059.201512009
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于加速度信号和进化RBF神经网络的人体行为识别*
卢先领,王洪斌, 徐仙
江南大学 轻工过程先进控制教育部重点实验室 无锡 214122
江南大学 物联网工程学院 无锡 214122
Human Activity Recognition Based on Acceleration Signal and Evolutionary RBF Neural Network
LU Xian-Ling, WANG Hong-Bin, XU Xian
Key Laboratory of Advanced Process Control for Light Industry (Ministry of Education,Jiangnan University, Wuxi 214122
School of Internet of Things Engineering, Jiangnan University, Wuxi 214122

全文: PDF (1319 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对基于加速度信号的人体行为识别,采用递阶遗传算法(HGA)训练径向基函数(RBF)神经网络,获得满意的识别正确率.设计适应度函数,利用四分位数间距改进HGA中参数基因的交叉方式,给出自动确定子代生成区域的方法,省去以往同类算法中的经验性设定,并结合算术交叉选择优秀子代,然后对比均匀变异和非均匀变异子代的适应值,实现对RBF网络结构和参数的联合优化.在基于加速度信号的行为识别系统中,与基本HGA和其他常用的训练方法相比,文中算法训练的RBF分类器可获得更低的输出误差和更高的测试样本识别正确率.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
卢先领
王洪斌
徐仙
关键词 人体行为识别加速度信号递阶遗传算法(HGA)径向基函数神经网络    
Abstract:To obtain a satisfactory recognition rate,a radial basis function(RBF) neural network classifier trained by the hierarchy genetic algorithm (HGA) is utilized to classify human body activities using the acceleration signal. By exploring the interquartile range, a fitness function is proposed to enhance the crossover of the parameter genes in HGA and determine the distance between the offspring and the boundary of coding space automatically. Thus, the empirical setting in the previous algorithms is avoided. With the arithmetic crossover, the offspring with high fitness is chosen. By comparing fitness values between the uniform mutation offspring and the non-uniform mutation offspring, the structure and parameters of RBF network are jointly optimized. The experimental results on actual subject testing data indicate that the radial basis function neural network classifier trained by the proposed method produces smaller errors than those trained by the traditional HGA. A higher recognition rate of testing data is obtained.
Key wordsHuman Activity Recognition    Acceleration Signal    Hierarchy Genetic Algorithm(HGA)    Radial Basis Function Neural Network   
收稿日期: 2015-05-09     
ZTFLH: TP 391.4  
基金资助:国家自然科学基金项目(No.61174021)、江苏省产学研联合创新资金前瞻性联合研究项目(No.BY2014023-31)、江苏高校优势学科建设工程项目、江苏省“六大人才高峰”项目(No.WLW-007)资助
作者简介: 卢先领(通讯作者),男,1972年生,博士,副教授,主要研究方向为无线传感器网络、体域网.E-mail:jnlxl@jiangnan.edu.cn.王洪斌,男,1987年生,硕士研究生,主要研究方向为行为识别、模式识别.徐仙,女,1989年生,硕士研究生,主要研究方向为行为识别、无线传感器网络.
引用本文:   
卢先领,王洪斌, 徐仙. 基于加速度信号和进化RBF神经网络的人体行为识别*[J]. 模式识别与人工智能, 2015, 28(12): 1127-1136. LU Xian-Ling, WANG Hong-Bin, XU Xian. Human Activity Recognition Based on Acceleration Signal and Evolutionary RBF Neural Network. , 2015, 28(12): 1127-1136.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201512009      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2015/V28/I12/1127
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn