《表4 不同算法分类时间比较》
本研究使用的计算机平台为32位Windows操作系统,2.50GHz Intel core Quad CPU处理器,4G内存,Matlab R2010b软件被用于分析与处理实验数据。5种步态不同算法分类时间如表4所示:BP神经网络学习速度较慢;而SVM由于采用一对一多分类模型,每次只能区分2种步态,SVM分类器在步态平均识别时间方面高出ELM近17.85%;由于ELM不需要调整网络输入权值,其分类时间小于SVM;而本研究采用的FA-ELM的识别时间长于ELM方法,但是其识别平均准确率为97.45%。因此最终选择FA-ELM分类器进行分类识别。
图表编号 | XD00127563200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 刘磊、陈增强、杨鹏、刘作军 |
绘制单位 | 郑州轻工业大学建筑环境工程学院、南开大学人工智能学院、南开大学人工智能学院、河北工业大学人工智能与数据科学学院、河北工业大学人工智能与数据科学学院 |
更多格式 | 高清、无水印(增值服务) |