一種基于遷移極速學(xué)習(xí)機(jī)的人體行為識別模型

摘 要：為了解決由于每個(gè)用戶的行為都有自身的特點(diǎn)和習(xí)慣，加之手機(jī)放置位置和方向的不確定性及多樣性所導(dǎo)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(shí)現(xiàn)遷移學(xué)習(xí)，并基于智能手機(jī)中內(nèi)置的加速度傳感器進(jìn)行信息采集并通過機(jī)器學(xué)習(xí)方法構(gòu)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(biāo)函數(shù)進(jìn)行修改，引入一個(gè)可以表示兩域差異的遷移學(xué)習(xí)量，從而實(shí)現(xiàn)ELM模型的遷移學(xué)習(xí)。實(shí)驗(yàn)結(jié)果表明， 該模型可以有效的提高新用戶的行為識別正確率。