《表3 提出的方法与现有方法的比较》

  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

《基于数据融合的CNN方法用于人体活动识别》

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

为了验证提出的方法的有效性，本文将其与一些现有方法进行比较。结果见表3。在文献[11]中一种分类器方法集合即J48、逻辑回归和多层感知器算法的集合被提出，通过实验验证了该方法与上述3种算法相比其性能更好。文献[12]中的结果表明，深模型可以有效地提高准确率，而不需要对特征进行手工设计。在文献[13]中发现资源限制和简单的设计方法可能使得浅层特征比通过深度学习方法提取到的特征具有更强的判别性。文献[13]的作者提出将浅层特征和深度学习特征相结合并与仅使用深度特征的文献[14]中的方法对比，发现两种特征相结合的方法的准确率更高达到了98.60%。CNN-DF不是根据人类领域知识去手动的提取特征，而是使用CNN进行特征提取和分类，这与上述方法不同。