《表1 不同取帧条件下的运动趋势分类算法对比》
在得到手势的运动趋势序列后,为了能够与手型特征融合得到动态手势的预测类别,需要使用分类器获取运动趋势的类别概率.对比了k最近邻(KNN,k-nearest neighbor)、朴素贝叶斯(NB,naive Bayes)、MLP、RF、SVM五种分类器对手势运动趋势的分类效果,如表1所示.可见在取不同帧数时,RF分类器对运动趋势的分类效果都是最优的.这是因为RF在训练过程中能够检测到特征之间的影响,并且算法拥有很强的抗干扰性,对于不平衡数据集来说,RF也能够平衡误差,通过平均决策树降低过拟合的风险.因此,采用RF对动态手势的运动趋势et进行分类,可得到et在类别Ct的运动趋势类别概率Pt(Ct|et).
图表编号 | XD00183678100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 谢晓燕、赵欢、蒋林 |
绘制单位 | 西安邮电大学计算机学院、西安邮电大学计算机学院、西安科技大学集成电路设计实验室 |
更多格式 | 高清、无水印(增值服务) |