《表2 不同特征对应的平均识别率》
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.
图表编号 | XD00212221200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 邹小武、盛蒙蒙、毛家发、盛伟国 |
绘制单位 | 浙江工业大学计算机科学与技术学院、浙江工业大学计算机科学与技术学院、浙江工业大学计算机科学与技术学院、杭州师范大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |