《表3 总体识别率对比表:一种轻量化的CNN活动识别方法研究》
实验结果表明本文提出的LCBRA方法在走路(Walking)、慢跑(Jogging)、下楼梯(Downstairs)、坐着(Sitting)和站立(Standing)5种活动的识别率都高于其他3种活动识别方法,且对每种活动的识别率都在90%以上.STAR方法针对走路、坐着和站立3种活动的识别率较高,而对相似活动(如上楼梯和下楼梯)的识别率较低.传统的分类器SVM和J48对走路、慢跑、上下楼梯四种复杂的活动识别率都较低.LCBRA、STAR、SVM和J48四种活动识别方法对站立和坐着的识别率都比较高,因为这两种活动的动作比较单一,采集的加速度数据不会因为不同实验者的个性化动作而有太大区别.四种活动识别方法的总体识别率如表3所示,其中本文提出的LCBRA方法识别六种活动的总体识别准确率达到了97.6%,STAR方法的总体识别率为71.2%,SVM和J48识别准确率较低.实验结果表明LCBRA方法对六种活动的识别率都比较均衡,且达到了较好的结果,而STAR方法通过提取物理特征进行活动识别,特征描述并不完善,而SVM和J48方法在分类方面的效果并不理想,导致识别准确率不高.
图表编号 | XD0096854600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 江颉、李一飞 |
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 |
更多格式 | 高清、无水印(增值服务) |