布谷鸟搜索算法优化特征和分类器参数的人体行为识别

马伟

Chinese

您当前的位置：

首页 >

文章列表页 >

布谷鸟搜索算法优化特征和分类器参数的人体行为识别

更新时间：2026-09-04

- 布谷鸟搜索算法优化特征和分类器参数的人体行为识别
- Human Behavior Recognition Based on Cuckoo Search Algorithm Optimizing Features and Classifier Parameters
- 微电子学与计算机 2016年33卷第5期页码：102-105
- 作者机构：
  
  银川能源学院机构信息传媒学院,宁夏,银川,750105
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
马伟. 布谷鸟搜索算法优化特征和分类器参数的人体行为识别[J]. 微电子学与计算机, 2016, 33(5): 102-105, 110.

MA Wei. Human Behavior Recognition Based on Cuckoo Search Algorithm Optimizing Features and Classifier Parameters[J]. 2016, 33(5): 102-105.
马伟. 布谷鸟搜索算法优化特征和分类器参数的人体行为识别[J]. 微电子学与计算机, 2016, 33(5): 102-105, 110. DOI：

MA Wei. Human Behavior Recognition Based on Cuckoo Search Algorithm Optimizing Features and Classifier Parameters[J]. 2016, 33(5): 102-105. DOI：

摘要

特征和分类器参数都影响着行为识别的准确性和效率

为了获得更加理想的人体行为识别结果

提出一种布谷鸟搜索算法优化特征和分类器参数的行为识别模型(CS-RVM).首先提取人体行为特征

并对进行归一化处理

然后采用相关向量机建立人体行为识别的分类器

并确定核函参数的取值范围

最后采用布谷鸟搜索算法对人体行为特征和人体行为识别分类器参数进行优化

仿真实验结明

CS-RVM可以快速找到人体行为特征和人体行为识别分类器参数

提高了人体行为识别的正确率

而且识别效率也要优于对比模型.

Abstract

Behavior features and classifier parameters directly influence the accuracy and efficiency of behavior recognition

in order to obtain ideal results for human action recognition

a recognition model is proposed by using cuckoo search algorithm optimizing behavior features and classifier parameters. Firstly

human behavior features are extracted and features are normalized

and secondly relevance vector machine is taken as the human behavior recognition classifier which the range of parameters are determined

finally

cuckoo search algorithm is used to optimize features and classifier parameters of human behavior to establish recognition model of human behavior. Simulation experimental results show that the proposed model can quickly and effectively find human behavior features and classifier parameters

can improve the recognition correct rate of human behavior

and the recognition efficiency is better than the contrast models.

关键词

Keywords

references

黄静, 孔令富, 李海涛, 等. 基于傅里叶-隐马尔科夫模型的人体行为识别[J]. 计算机仿真, 2011, 28(7): 245-248. DOI: 245

Chen L, Honey J, Nugent C D, et al. Sensor-based activity recognition[J]. IEEE transactions on systems man and cybernetics part c: applications and reviews, 2012, 42(6): 790-808. DOI: 790

赵春晖, 张燚. 相关向量机分类方法的研究进展与分析[J]. 智能系统学报, 2012, 7(4): 294-301. DOI: 294

马登武, 范庚, 张继军. 相关向量机及其在故障诊断与预测中的应用[J]. 海军航空工程学院学报, 2013 (2): 154-160. DOI: 154

Wang B, Ye M, Li X, et al. Abnormal crowd behavior detection using size-adapted spatio-temporal features[J]. International Journal of Control, Automation and Systems, 2011, 9(5): 905-912. DOI: 905

Acques Junior J C S, Musse S Rjung C R. Crowd analysis using computer vision techniques[J]. Signal Processing Magazine, 2010, 27(5): 66-77. DOI: 66

靳海燕, 熊庆宇, 石欣, 等. 基于角点动能模型的电梯轿厢内异常行为检测[J]. 计算机应用研究, 2012, 29(2): 775-778. DOI: 775

Juan Y, Simon D, Susan M. Situation identification techniques in pervasive computing: a review[J]. Pervasive and mobile computing, 2012, 8(1): 36-66. DOI: 36

石欣, 熊庆宇, 雷璐宁. 一种基于压力传感器的人体运动识别方法研究[J]. 仪器仪表学报, 2010, 31(6): 1429-1434. DOI: 1429

杨强, 郑文琛, 胡昊. 基于传感器数据的行为识别[J]. 中国计算机学会通讯, 2010, 6(11): 24-32. DOI: 24

谷军霞, 丁晓青, 王生进. 行为分析算法综述[J]. 中国图像图形学报, 2009, 14(3): 377-387. DOI: 377

王凡, 贺兴时, 王燕, 等. 基于CS算法的Markov模型及收敛性分析[J]. 计算机工程, 2012, 38(11): 180-182, 185. DOI: 180

阮涛涛, 姚明海, 瞿心昱, 等. 基于视觉的人体运动分析综述[J]. 计算机系统应用, 2010, 20(2): 245-253. DOI: 245

姜鸣, 王哲龙, 刘晓博, 等. 基于BSN和CHMMs的人体日常动作识别方法研究[J]. 大理理工大学学报, 2013, 53(1): 121-126. DOI: 121

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

用于入侵检测特征选择的改进灰狼优化算法

基于缺失特征的高维多标签学习

混沌和柯西变异的蝗虫优化算法及特征选择

基于改进烟花算法的SVM特征选择和参数优化

基于杂交BPSO-SVM的网络故障特征选择