-
一種基于遷移極速學習機的人體行為識別模型
摘 要：為了解決由于每個用戶的行為都有自身的特點和習慣，加之手機放置位置和方向的不確定性及多樣性所導致的通用模型識別率低的問題，文章提出了利用TrELM（Transfer Extreme Learning Machine）算法實現(xiàn)遷移學習，并基于智能手機中內置的加速度傳感器進行信息采集并通過機器學習方法構建人體行為識別模型。該方法是一種基于參數(shù)遷移的方法，通過對ELM的目標函數(shù)進行修改，引入一個可以表示兩域差異的遷移學習量，從而實現(xiàn)ELM模型的遷移學習。實驗結果表明， 該模型可以有效的提高新用戶的行為識別正確率。
