2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、基于人體活動的智能計算是人工智能領(lǐng)域的一個重要研究方向,其目的是通過獲取用戶的狀態(tài)和環(huán)境數(shù)據(jù)信息,為用戶提供智能化應(yīng)用服務(wù)。隨著移動智能設(shè)備(如智能可穿戴設(shè)備)及其相關(guān)傳感器等技術(shù)的飛速發(fā)展,基于移動智能設(shè)備的活動識別技術(shù)成為了研究的熱點。由于移動智能終端在計算能力、存儲空間和能量等硬件資源方面的限制,而傳統(tǒng)機器學(xué)習(xí)模型需要巨大運算能力,基于移動智能設(shè)備的活動識別技術(shù)無法廣泛應(yīng)用。
  本研究主要內(nèi)容包括:⑴提出了改進的基于層次聚

2、類算法的特征選擇算法。基于層次聚類的特征選擇算法使用的評價函數(shù)基于互信息和關(guān)聯(lián)系數(shù)。這不能適用于活動識別領(lǐng)域的連續(xù)型數(shù)據(jù)。本文基于皮爾遜相關(guān)系數(shù)和共享最近鄰這兩種度量改進了評價函數(shù)。使用改進的基于層次聚類的特征選擇算法,完成了特征提取,降低活動識別技術(shù)在模型訓(xùn)練過程中的復(fù)雜度。⑵提出了基于硬件友好型核函數(shù)的SVM算法。傳統(tǒng)的SVM算法在模型訓(xùn)練和算法應(yīng)用中需要大量的指數(shù)運算。本文基于高斯核函數(shù)和拉普拉斯核函數(shù)提出了硬件友好型的核函數(shù),既

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論