《表2 特征选择过程中坐姿行为识别的正确率》
在36个特征中,可能存在冗余和不相关的特征,特征选择能剔除冗余或不相关的特征,从而达到减少特征个数,提高模型精确度,减少运行时间的目的。采用有放回的方法,依次移除OORG,a、DisORG,a、DreORG,a、AreaORG,a、眼睛、鼻子、嘴巴、肩膀8个特征子集,观察各特征子集对识别率的影响,结果见表2。从表2的结果可知,移除不同特征子集,识别率产生上下波动。当移除DisORG,a和眼睛子集时,准确率明显下降,主要原因是在9类坐姿下,两个子集中的特征所包含的信息与当前学习任务相关性高,对坐姿行为变化的响应较为明显。而当移除DreORG,a、AreaORG,a、嘴巴和肩膀子集时,准确率只有小幅度下降,表明这4类特征子集对坐姿行为变化响应较小,如AreaORG,a特征子集对身体前倾和身体后仰两类坐姿表征能力较强;嘴巴和肩膀子集所包含的特征数量较少,对各类坐姿表征能力不强。当移除OORG,a和鼻子时,识别率小幅上升,分析原因是所有特征都是依据先验知识选取的,部分特征子集之间存在相关性,移除相关特征使得识别率提高。
图表编号 | XD00111172600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.16 |
作者 | 刘敏、潘炼、曾新华、朱泽德 |
绘制单位 | 武汉科技大学信息科学与工程学院、中科院合肥技术创新工程院智能感知中心、通信网信息传输与分发技术重点实验室、武汉科技大学信息科学与工程学院、中科院合肥技术创新工程院智能感知中心、中科院合肥技术创新工程院智能感知中心 |
更多格式 | 高清、无水印(增值服务) |