基于差异性聚类的选择性集成人体行为识别模型.pdfVIP

第卷第期计算机科学

４５１Ｖｏｌ．４５Ｎｏ．１

年月

２０１８１ＣＯＭＰＵＴＥＲＳＣＩＥＮＣＥＪａｎ．２０１８

基于差异性聚类的选择性集成人体行为识别模型

王忠民张爽贺炎

（）

西安邮电大学计算机学院西安７１０１２１

，，

摘要为了提高基于智能手机的人体行为识别率优化多分类器集成系统的泛化性能及个体分类器的差异性提出

（，）

了基于差异性增量聚类ＤｉｖｅｒｓｉｔＭｅａｓｕｒｅＩｎｃｒｅｍｅｎｔＡｆｆｉｎｉｔＰｒｏａａｔｉｏｎｃｌｕｓｔｅｒｉｎＤＭＩＡＰ的选择性集成人体行

ｙ－ｙｐｇｇ－

。，

为识别模型首先对训练集的所有样本进行ｂｏｏｔｓｔｒａ抽样并训练基分类器选出大于平均识别率的基分类器构成分

ｐ

；，

类器集合然后将集合的基分类器作为聚类对象进行分组通过计算基分类器间的双误差异性值求出表征个体分类器

，，；

特征的双误差异性增量值输入近邻传播聚类算法得到个类簇选取每簇的中心分类器构成多分类器集成系统最

ｋ

。，、

后使用等概率均值法融合个分类器的输出结果实验表明该模型算法使个体分类器的差异性增大分类器有哪些信誉好的足球投注网站空

ｋ

；，，。

间缩小与传统的以及方法相比该模型的识别准确率平均提高了

ＢａｉｎＡｄａｂｏｏｓｔＲＦ８．１１％

ｇｇｇ

，，，

关键词选择性集成差异性增量近邻传播聚类行为识别

中图法分类号文献标识码／

ＴＰ３９１．４ＡＤＯＩ１０．１１８９６．ｉｓｓｎ．１００２１３７Ｘ．２０１８．０１．０５３