CSpace  > 中国科学院计算技术研究所期刊论文  > 中文
基于目标均衡度量的核增量学习跌倒检测方法
忽丽莎1; 王素贞1; 陈益强2; 胡春雨2; 蒋鑫龙2; 陈振宇3; 高兴宇4
2018
发表期刊计算机应用
ISSN1001-9081
卷号38.0期号:004页码:928
摘要针对增量学习模型在更新阶段的识别效果不稳定的问题,提出一种基于目标均衡度量的核增量学习方法。通过设置经验风险均值最小化的优化目标项,设计了均衡度量训练数据个数的优化目标函数,以及在增量学习训练条件下的最优求解方案;再结合基于重要性分析的新增数据有效选择策略,最终构建出了一种轻量型的增量学习分类模型。在跌倒检测公开数据集上的实验结果显示:当已有代表性方法的识别精度下滑至60%以下时,所提方法仍能保持95%以上的精度,同时模型更新的计算消耗仅为3ms。实验结果表明,所提算法在显著提高增量学习模型更新阶段识别能力稳定性的同时,大大降低了时间消耗,可有效实现云服务平台中关于可穿戴设备终端的智能应用。
关键词增量学习 神经网络 核函数 跌倒检测 可穿戴设备
语种英语
文献类型期刊论文
条目标识符http://119.78.100.204/handle/2XEOYT63/31976
专题中国科学院计算技术研究所期刊论文_中文
作者单位1.河北经贸大学
2.中国科学院计算技术研究所
3.中国电力科学研究院
4.中国科学院微电子研究所
推荐引用方式
GB/T 7714
忽丽莎,王素贞,陈益强,等. 基于目标均衡度量的核增量学习跌倒检测方法[J]. 计算机应用,2018,38.0(004):928.
APA 忽丽莎.,王素贞.,陈益强.,胡春雨.,蒋鑫龙.,...&高兴宇.(2018).基于目标均衡度量的核增量学习跌倒检测方法.计算机应用,38.0(004),928.
MLA 忽丽莎,et al."基于目标均衡度量的核增量学习跌倒检测方法".计算机应用 38.0.004(2018):928.
条目包含的文件
条目无相关文件。
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[忽丽莎]的文章
[王素贞]的文章
[陈益强]的文章
百度学术
百度学术中相似的文章
[忽丽莎]的文章
[王素贞]的文章
[陈益强]的文章
必应学术
必应学术中相似的文章
[忽丽莎]的文章
[王素贞]的文章
[陈益强]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。