10.3772/j.issn.1002-0470.2017.07.003
用于Android手机活动识别的深度重构模型
基于数据的流形假设,进行了Android手机的活动识别研究,提出了一种深度重构模型(DRMs),该模型无需基础几何的先验假设就能自动学习到当前类样本的复杂非线性曲面结构和几何特点.首先定义了一个深度重构模型(DRM)模板,通过高斯受限玻尔兹曼机(GRBMs)逐层贪婪训练以初始化DRM模板的权重.在训练阶段,根据每类样本分别微调初始化后的DRM模板便可得到特定类的DRM.在测试阶段,基于测试样本与特定类DRM的最小重构误差决策活动类别.实验证明,该方法对Android手机数据集的活动识别正确率高达99%.
活动识别、深度重构模型、自动编码器、Android手机、高斯受限玻尔兹曼机(GRBMs)
27
TP3;N94
国家自然科学基金61273019,61473339;河北省自然科学基金F2013203368;河北省青年拔尖人才支持计划[2013]17;河北省博士后专项资助项目B2014010005;中国博士后科学基金面上项目2014M561202
2017-12-06（万方平台首次上网日期，不代表论文的发表时间）
共8页
604-611
