登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
一种监督降维的OP-LASRC算法在行为识别中的应用
  • 摘要

    针对大数据的人体行为识别时实时性差和识别率低的问题,提出了优化投影对线性近似稀疏表示分类(OP-LASRC)的监督降维算法,与线性近似稀疏表示(LASRC)快速分类算法结合用于大数据的行为识别.利用LASRC的残差计算规律设计OP-LASRC实现监督降维:在追求一个线性投影时减小训练样本的本类重构残差及增大类间重构残差,保留样本的类别特征.对降维后的行为数据用LASRC算法分类:用L2范数估算稀疏系数,取前k个最大的稀疏系数对应的训练样本,用L1范数和残差计算得到识别结果.在KTH行为数据库上的实验表明,OP-LASRC降维后,LASRC在分类时识别率高达96.5%,执行时间比同类算法短,抗噪声能力强,证明了OP-LASRC的高效和强鲁棒性,能完美匹配LASRC用于大数据的行为识别.

  • 作者

    简献忠  周小朋  Jian Xianzhong  Zhou Xiaopeng 

  • 作者单位

    上海理工大学光电学院,上海200093;上海市现代光学系统重点实验室,上海200093

  • 刊期

    2017年11期 ISTIC PKU

  • 关键词

    稀疏表示  监督降维  优化投影  线性近似  行为识别  sparse representation  supervise dimension reduction  optimize projection  linear approximation  action recognition 

相似文献 查看更多>>
3.88.161.108