論文內容11求解稀疏系數課件_第1頁
論文內容11求解稀疏系數課件_第2頁
論文內容11求解稀疏系數課件_第3頁
論文內容11求解稀疏系數課件_第4頁
論文內容11求解稀疏系數課件_第5頁
已閱讀5頁，還剩11頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

體域網中基于時空相關性的動作識別算法研究LOGO體域網中基于時空相關性的動作識別算法研究LOGO1目錄1.論文內容2.實驗過程3.實驗結果4.分類方法目錄1.論文內容2.實驗過程3.實驗結果4.分類方法2論文內容1論文內容131）求解稀疏系數利用時空稀疏貝葉斯學習框架，求解壓縮信號在訓練字典中的稀疏系數表示。2）分類利用SRC分類算法和求解的稀疏系數進行分類。1）求解稀疏系數利用時空稀疏貝葉斯學習框架，求解壓縮信號在訓4實驗過程2實驗過程25對訓練數據歸一化產生隨機測量矩陣獲取樣本數和分類數壓縮信號利用STSBL求解稀疏系數利用稀疏系數計算殘差計算最小殘差，分類結果計算分類誤差算法流程如下：對訓練數據歸一化產生隨機測量矩陣獲取樣本數和分類數壓縮信號利6實驗結果3實驗結果37利用SRC進行分類得到的相對誤差如下表：有上表看出使用SRC分類算法，分類效果并不像預期中那樣好。下圖為不同動作的稀疏系數表示：利用SRC進行分類得到的相對誤差如下表：8測試數據為動作1的稀疏系數測試數據為動作13的稀疏系數測試數據為動作1的稀疏系數測試數據為動作13的稀疏系數9不同壓縮比信號恢復情況不同壓縮比為0.1不同壓縮比信號恢復情況不同壓縮比為0.110壓縮比為0.3壓縮比為0.311壓縮比為0.5壓縮比為0.512分類算法3分類算法313由于SRC分類算法，分類效果并不是很好，所以考慮修改分類算法，由于信號恢復的效果不錯，考慮是否能利用恢復后的信號進行分類。由于SRC分類算法，分類效果并不是很好14利用求解得到的稀疏系數，還原信號，進行分類。在同一類訓練樣本中尋找殘差最小的樣本，然后比較不同動作的最小殘差，得出動作種類。下面是分類相對誤差：平均相對誤差0.17左右下一步打算考慮使用SVM對數據進行分類。利用求解得到的稀疏系數

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論