多分類器融合算法在行為識別中的應用研究.pdf

1、近年來，隨著內置高性能傳感器的智能手機的迅速普及，基于智能手機的人體行為識別成為國內外學者研究的熱點。通過采集手機內置傳感器數(shù)據(jù)，可以快速準確的獲得當前使用者活動狀況，給人們的生活帶來了極大的便利，已廣泛應用于智能家居、醫(yī)療保健及行為監(jiān)控等領域。與此同時，如何高效利用智能手機去識別人體行為成為難題，大多數(shù)研究者通過優(yōu)選特征數(shù)據(jù)或改進分類器算法以提高識別準確率。但是，由于優(yōu)選的特征并不一定能夠全面反映用戶多種行為模式之間的差異性，以及一種

2、分類器算法不可能對多種行為都有良好的分類效果，故容易造成一些行為識別準確率不高和整個模型誤判率增加等問題。
　　為了提高基于智能設備的人體日常行為識別的準確率，本文用到了集成學習中的多分類器融合技術，利用不同的分類器處理對象具有互補性這一特點建立模型，根據(jù)分類器在行為識別中的性能將其分成專用基分類器組合和通用基分類器組合，針對兩種基分類器組合的輸出提出兩種形式的融合算法。
　　(1)基于軟決策形式的融合算法。該算法利用基分類

3、器輸出的每種行為類別的后驗概率值進行比較，選出最大的概率值作為基分類器的閡值，再將各個基分類器輸出值求和后取其均值，從而得到最終的分類結果。該算法用到了分類器輸出為軟決策形式的最大值法、求和法、乘積法及均值法等融合算法，針對特定行為訓練的專用基分類器組合的輸出進行融合處理。
　　(2)基于硬決策形式的融合算法。該算法是通過改進分類器輸出為硬決策形式中的傳統(tǒng)投票法的融合算法，它對通用基分類器組合的輸出作融合處理。通用基分類器組合中基

4、分類器的類型不同，對每種行為的識別能力差異性很大，需要預先把每個基分類器進行可信度評定，保留高可信度的基分類器的決策作為有效票，然后統(tǒng)計出得票最多的行為類別，若其達到規(guī)定的比例，即將該行為類別作為模型最終輸出結果。
　　使用兩種基分類器組合與對應兩種融合算法建立的兩種行為識別模型，通過真實環(huán)境中用戶使用自己的智能手機進行實驗驗證。實驗結果表明，所提出兩種行為識別模型均能有效進行人體日常行為識別。另外，本文提出的兩種融合算法，與傳統(tǒng)