%0 Journal Article
%T 高可信度加权的多分类器融合行为识别模型
%A 王科
%A 贺炎
%J 计算机应用
%D 2016
%R 10.11772/j.issn.1001-9081.2016.12.3353
%X 摘要 为了提高基于智能移动设备的人体日常行为识别准确率，提出一种高可信度加权的多分类器融合行为识别模型（MCFM）。针对不同智能设备内置加速度传感器获取的三轴加速度信息，优选出与人体行为相关度高的特征集作为该模型的输入，将决策树、支持向量机以及反向传播（BP）神经网络三个基分类器通过高可信度加权投票算（HRWV）法训练出一个新的融合分类器。实验结果表明，所提出的分类器融合模型能有效提高行为识别的准确率，对静止、散步、跑步、上楼及下楼五种日常行为的平均识别准确率达到94.88%
%K 行为识别
%K 三轴加速度
%K 高可信度加权
%K 基分类器
%K 融合分类器
%U http://www.joca.cn/CN/abstract/abstract20106.shtml