《表2 模型性能对比:基于空间特征的无线体域网人体姿态识别算法》

《表2 模型性能对比:基于空间特征的无线体域网人体姿态识别算法》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于空间特征的无线体域网人体姿态识别算法》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录

为了对模型进行进一步评估,本文引用了UCI-HAPT官网中的一篇相关文献[5]与本文所提出的CCLA模型进行对比,对比范围为6类标准动作,指标为准确率,模型性能对比如表2所示。通过比较可以看出,在6类动作的识别上,CCLA算法模型在4类姿态(坐姿、行走、下楼、上楼)上均取得最好效果,比其他方法的最优性能准确率提高了2%~21%,在两类姿态(躺姿、站姿)上虽并未达到最好效果,但与最优性能准确率相差在3%以内。同时,CCLA每个动作识别耗时仅为6 ms。总之,存在转换动作干扰条件下,CCLA模型的整体性能表现仍然占优势。