《表4 不同算法结果对比:改进的惯性运动传感器步态识别》
将BP神经网络模型的预测结果从小到大排序并把每个概率作为阈值,可以得到多个混淆矩阵。对于每个混淆矩阵可以计算得到特异度(False Positive Rate,FPR)和灵敏度(True Positive Rate,TPR)两个指标。以FPR为x轴,TPR为y轴作图得ROC曲线;以(0,1)为起点,(1,0)为终点做一条直线,两条线的交点即为EER。由表4及图10可知,对于不同的人,本文平均步态识别率可以达到91.5%,EER为9.1%。相比现有的步态识别算法,识别的准确率大大提高并且有效降低了EER,表明本文所提出的方法具有一定的实用性和有效性。
图表编号 | XD00172318600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 徐狄涛、姜斌、包建荣、刘超、朱芳、何剑海 |
绘制单位 | 杭州电子科技大学通信工程学院、杭州电子科技大学通信工程学院、杭州电子科技大学通信工程学院、杭州电子科技大学通信工程学院、杭州电子科技大学通信工程学院、宁波职业技术学院电子信息工程学院 |
更多格式 | 高清、无水印(增值服务) |