《表2 不同特征对应的平均识别率》

  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

《一种用于人体行为识别的CNN-BLSTM模型》

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-BLSTM模型中，利用卷积方法提取加速度数据张量的特征．不同层次的卷积层提取的特征具有不同的特性，浅层的卷积层一般是提取张量的边缘信息，该特征不具备代表性，更深层次的卷积层提取的张量特征更抽象，更具有代表性．实验中提取不同的数据特征（包括不同深度的卷积层特征、传统特征）输入到BLSTM模型中，分析不同特征对应WISDM数据集中六种行为动作的平均识别率，其中卷积核大小为3×3，卷积步长为1．实验结果如表2所示，提取的传统特征包括加速度数据的均值、方差、离散系数、加速度x、y、z三轴相关性、熵，原始数据是没经过任何处理的数据，即加速度数据．