基于改進極限學習機算法的行為識別
大小：0.61 MB 人氣： 2017-11-17 需要積分：0
標簽：行為識別(2488)
重點研究了極限學習機ELM對行為識別檢測的效果。針對在線學習和行為分類上存在計算復雜性和時間消耗大的問題，提出了一種新的行為識別學習算法（ELM-Choleskv）。該算法首先引入了基于Cholesky分解求ELM的方法，接著依據在線學習期間核函數矩陣的更新特點，將分塊矩陣Cholesky分解算法用于ELM的在線求解，使三角因子矩陣實現在線更新，從而得出一種新的ELM-Cholesky在線學習算法。新算法充分利用了歷史訓練數據，降低了計算的復雜性，提高了行為識別的準確率。最后，在基準數據庫上采用該算法進行了大量實驗，實驗結果表明了這種在線學習算法的有效性。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于改進極限學習機算法的行為識別下載
相關電子資料下載
- 車載終端叉車解決方案_車載人臉識別ADAS行為識別 181
- 英碼智慧工地AI行為識別方案，提高工地的安全性和管理效率 419
- 深度解析多模態數據行為識別技術的研究發展 1721
- 低分辨率行為識別技術具有廣泛的應用價值 1171
- 深蘭科技DeepBlueAI團隊斬獲低分辨率視頻行為識別挑戰賽的冠軍 1735
- 深度解析依圖行為識別的AI技術 5339
- AI行為識別分析技術在智慧養老行業的應用 10460
- 淺談AI行為識別預警技術在智慧司法監獄的應用 5946
- 行為識別占據了普及優勢 市場前景十分廣闊 3324
- 目前行為識別技術呈現以下發展趨勢 4063