高可信度加权的多分类器融合行为识别模型

来源：计算机应用杂志2016年第12期北京时间：

作者：王忠民, 王科, 贺炎

单位：西安邮电大学 计算机学院, 西安 710121

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%。

关键词：行为识别,三轴加速度,高可信度加权,基分类器,融合分类器

基金资助：国家自然科学基金资助项目（61373116）；陕西省教育科学“十二五”规划课题项目（SGH140601）；陕西省教育厅项目（15JK1653）；西安邮电大学校青年基金资助项目（ZL2014-27）。