تشخیص فعالیت انسانی با استفاده از تابع طبقه بندی کننده ترکیبی

تشخیص فعالیت های انسانی یک موضوع تحقیقاتی پرطرفدار است که در سال های اخیر با توسعه سریع تکنیک های یادگیری عمیق،محققان توانسته اند به موفقیت های زیادی در این زمینه دست یابند . در طی فرآیند آموزش با تکنیکهای یادگیری عمیق، ویژگی هاو وابستگی های زمانی بین آنها به خوبی آموخته می شود . در ادامه یک تابع طبقه بندی کننده ترکیبی برای افزایش قابلیت تفکیک درویژگی های آموخته شده و بالا بردن دقت تشخیص پیشنهاد شده است . آزمایشهای ما بر روی مجموعه داده های OPPORTUNITY و PAMAP۲ انجام شد که اثربخشی روش پیشنهادی را در مقایسه با روش های یادگیری عمیق اخیر، از جمله روش های Deep ConvLSTM ، CNN-LSTM-ELM ، Hybrid در تعیین ویژگی های متمایز و طبقه بندی مناسب آنها برجسته می کند

کلیدواژه ها:

شناسایی فعالیت های انسانی ، یادگیری عمیق ، تابع طبقه بندی کننده ترکیبی