基于改进极限学习机算法的行为识别
大小：0.61 MB 人气： 2017-11-17 需要积分：0
标签：行为识别(2488)
重点研究了极限学习机ELM对行为识别检测的效果。针对在线学习和行为分类上存在计算复杂性和时间消耗大的问题，提出了一种新的行为识别学习算法（ELM-Choleskv）。该算法首先引入了基于Cholesky分解求ELM的方法，接着依据在线学习期间核函数矩阵的更新特点，将分块矩阵Cholesky分解算法用于ELM的在线求解，使三角因子矩阵实现在线更新，从而得出一种新的ELM-Cholesky在线学习算法。新算法充分利用了历史训练数据，降低了计算的复杂性，提高了行为识别的准确率。最后，在基准数据库上采用该算法进行了大量实验，实验结果表明了这种在线学习算法的有效性。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
基于改进极限学习机算法的行为识别下载
相关电子资料下载
- 车载终端叉车解决方案_车载人脸识别ADAS行为识别 181
- 英码智慧工地AI行为识别方案，提高工地的安全性和管理效率 419
- 深度解析多模态数据行为识别技术的研究发展 1721
- 低分辨率行为识别技术具有广泛的应用价值 1171
- 深兰科技DeepBlueAI团队斩获低分辨率视频行为识别挑战赛的冠军 1735
- 深度解析依图行为识别的AI技术 5339
- AI行为识别分析技术在智慧养老行业的应用 10460
- 浅谈AI行为识别预警技术在智慧司法监狱的应用 5946
- 行为识别占据了普及优势 市场前景十分广阔 3324
- 目前行为识别技术呈现以下发展趋势 4063