基于有效性的聚類算法在多視圖同類行為特征數(shù)據(jù)分析中的應(yīng)用.pdf

1、如今，人們對便捷化和智能化生活的需求越來越多，基于視覺的人體行為識(shí)別分析被廣泛的應(yīng)用在人機(jī)交互，安全防護(hù)，教育教學(xué)等領(lǐng)域。因此，高準(zhǔn)確率的實(shí)現(xiàn)行為的識(shí)別和分析具有極大的價(jià)值和實(shí)際意義。但是由于行為的模糊性、關(guān)聯(lián)性和多樣性，造成了行為特征數(shù)據(jù)結(jié)構(gòu)的難以預(yù)料性，從而導(dǎo)致在對行為特征數(shù)據(jù)進(jìn)行聚類分析時(shí)，難以判斷聚類效果的優(yōu)劣。本文在多視角行為識(shí)別的背景下，結(jié)合不同的聚類算法對聚類有效性進(jìn)行了一定的分析和研究，并將結(jié)合有效性指標(biāo)的不同聚類算法應(yīng)

2、用于多視角的行為特征數(shù)據(jù)的分析和建模中，取得了良好的效果。
　　本文闡述并分析了數(shù)據(jù)在未知?jiǎng)澐值那闆r下，其聚類的有效性，并對常用的有效性指標(biāo)進(jìn)行介紹，借鑒各有效性指標(biāo)的優(yōu)勢，提出了一種結(jié)合類內(nèi)緊致性和類間分離度的有效性指標(biāo)(CS)。為驗(yàn)證該有效性指標(biāo)的有效性，本文將有效性指標(biāo)與FCM，GK，GG三種聚類算法分別結(jié)合，并通過實(shí)驗(yàn)分析將改進(jìn)的有效性指標(biāo)與其他指標(biāo)進(jìn)行比較，驗(yàn)證了該指標(biāo)的有效性。
　　從IXMAS多視角視頻庫的視頻

3、中提取時(shí)空特征點(diǎn)，并對五個(gè)視角下的同一行為建立遞歸圖，得到多視角行為特征數(shù)據(jù)，然后通過對行為特征數(shù)據(jù)進(jìn)行聚類，得到行為識(shí)別模型，并以此作為行為測試模板，最后對行為進(jìn)行測試，判斷是否為同一行為。其中，聚類的效果對最終的行為識(shí)別有著重要的影響。良好的聚類效果有助于建立一個(gè)好的行為識(shí)別模型，提高行為識(shí)別率。本文將基于有效性指標(biāo)的不同聚類算法應(yīng)用到多視圖同類行為特征數(shù)據(jù)的分析中，將該有效性指標(biāo)分別與FCM、GK以及GG三種聚類算法相結(jié)合，并分別