《表1 图像数据与体域网数据特征比较》

  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

《基于深度神经决策森林的体域网数据融合方法》

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

在CNN应用最广泛的图片识别任务中，其输入是图像转换而来的多维矩阵数据。在图像数据中，数据具有局部相关性，即每一个数据与其周围的数据是互相关联的，更改其中任何一个数据或打乱数据顺序都会对结果造成影响；同时，CNN可通过卷积操作有效提取出图像中的曲线或边缘等特征。相比于图像数据，体域网数据具有局部相关性特征，其数据顺序及取值相互关联并具有实际意义；其次，体域网数据较一般数据具有更明显的特征形状表现能力，其数据的变化反映了人体生命体征的变化情况，存在一定的规律。从表1可知，图像数据与体域网数据皆具有局部相关性以及形状特征，因此，在图像识别中表现优异的CNN也适用于体域网数据。可通过体域网数据对用户构建“用户画像”，将其在一定时间内产生的数据看做“画像”，作为CNN的输入，如图4所示。