-
公开(公告)号：CN112926555B
公开(公告)日：2022-07-26
申请号：CN202110465721.X
申请日：2021-04-28
Applicant: 南京邮电大学
Abstract: 本发明是一种基于自编码器数据增强的小样本无源行为感知方法，包括如下步骤：(1)采集包含人体行为信息的信道状态信息；(2)对信道状态信息去噪处理；(3)构建一个基于数据增强自编码器的神经网络模型；(4)采用少量的真实样本训练数据增强自编码器，生成大量具有不同特征向量的重构样本；(5)构建一个基于卷积神经网络的人体行为识别模型，将增强数据样本和真实样本作为模型的输入，对网络模型进行调优，根据分类网络对样本在不同类别上的响应值，得到行为识别结果。本发明解决无源行为感知在小样本训练数据状态下存在的模型过拟合问题，增强模型的泛化性和稳定性，保障人体行为识别的精度。
-
公开(公告)号：CN112926555A
公开(公告)日：2021-06-08
申请号：CN202110465721.X
申请日：2021-04-28
Applicant: 南京邮电大学
Abstract: 本发明是一种基于自编码器数据增强的小样本无源行为感知方法，包括如下步骤：(1)采集包含人体行为信息的信道状态信息；(2)对信道状态信息去噪处理；(3)构建一个基于数据增强自编码器的神经网络模型；(4)采用少量的真实样本训练数据增强自编码器，生成大量具有不同特征向量的重构样本；(5)构建一个基于卷积神经网络的人体行为识别模型，将增强数据样本和真实样本作为模型的输入，对网络模型进行调优，根据分类网络对样本在不同类别上的响应值，得到行为识别结果。本发明解决无源行为感知在小样本训练数据状态下存在的模型过拟合问题，增强模型的泛化性和稳定性，保障人体行为识别的精度。
-
Search Results
2
records
(took 0.119 seconds)
