《表3 不同方法平均行为识别率表》

  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

目前可穿戴设备行为识别方面的研究一般是特征提取和分类器相结合的方法，传统的特征包括传感器数据的均值、方差、离散系数、加速度x、y、z三轴相关性、熵，主流的分类器包括决策树、SVM等．实验将本文提出的CNN-BLSTM方法与CNN、SVM、J48决策树进行对比，其中CNN模型结构如3.1小节的图3所示，SVM和J48都采用传统特征值作为分类依据，实验结果如图7所示，横坐标为行为动作，纵坐标为每种行为动作的识别率．不同方法的平均识别率如表3所示．