《表5 相关工作的分类效果对比》

  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

《基于无线体域网的在线人体活动识别》

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

目前，已有一些基于深度卷积神经网络或LSTM进行人体活动识别的研究，包括笔者前期基于LSTM的工作[17]，以及DeepConvLSTM[18]等，分别采用上述方法对十二类人体活动传感数据通过十折交叉验证进行分类，并与本文方法进行比较，结果如表5所示．从表中可以看出，在准确率、召回率和f1-score三个指标方面，本文方法均具有一定的优势．究其原因，Inception优化了CNN特征提取的性能和效果，LSTM进一步挖掘出数据间的时序依赖，DeepCIL在时域和空域对人体活动均有较好的表征．