《表2 各种方法在NTU-CV数据集上的实验结果比较》
为了验证KPCA-XGBoost识别算法的有效性,我们将本文所述的方法与其它基于人体骨架信息的行为识别算法相比较,表1和表2分别给出了在两种数据集上不同方法的表现。实验结果表明:在MA-3D数据集上,采用KPCA-XGBoost算法进行人体行为特征分类,准确率达到94.52%,优于Nguyen等[15]提出的PCA-SVM算法。在NTU-CV数据集上,与几种先进的行为识别算法相比,本文提出的行为特征分类算法亦表现更佳。
图表编号 | XD00122859000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.16 |
作者 | 吕洁、李洪奇、赵艳红、Sikandar Ali、刘艳芳 |
绘制单位 | 中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院、中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院、中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院、中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院、中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |