连续时变自编码机在人体行为识别中的应用

作     者：王鲁昆 唐功友 张健 田春鹏 WANG Lukun;TANG Gongyou;ZHANG Jian;TIAN Chunpeng

作者机构：山东科技大学信息工程系山东泰安271021 中国海洋大学信息科学与工程学院山东青岛266100 

出 版 物：《上海交通大学学报》 (Journal of Shanghai Jiaotong University)

年 卷 期：2016年第50卷第7期

页      面：1065-1070页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(41276085,61572448) 山东省自然科学基金资助项目(ZR2015FM004) 

主　　题：连续时变自编码机 深度信念网络 人体行为识别 深度学习 

摘      要：针对人体行为数据的识别与分类问题,提出一种连续时变自编码机(Continuous Time-varying Autoencoder,CTAE)模型.该模型在激活函数中增加高斯随机单元,强化对非线性连续型数据的特征学习与提取.在人体行为识别实验中,从原始数据信号中提取十维频域特征和四维时域特征;利用主成分分析(Principle Component Analysis,PCA)方法实现特征数据降维;针对预处理完的人体行为数据,训练由多个CTAE组成的深度信念网络(Deep Belief Network,DBN),实现行为识别与非线性分类.仿真验证了模型的有效性.