基于蚁群算法的行为识别特征优选方法.pdf

《基于蚁群算法的行为识别特征优选方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第19卷第1期西安邮电大学学报V01．19NO．12014年1月JOURNALOFXI’ANUNIVERSITYOFPOSTSANDTELECOMMUNICATIONSJan．2014doi：10．13682／j．issn．2095—6533．2014．01．016基于蚁群算法的行为识别特征优选方法王忠民，曹栋(西安邮电大学计算机学院，陕西西安710121)摘要：为了降低特征冗余，提高移动用户行为识别的准确率，提出一种基于蚁群算法的移动用户行为识别加速度信号特征优选方法。首先对样本数据进行预处理，根据特征对不同行为的分类敏感度进行初次优选，降低特征搜索空间的维度；然后利用蚁群算法结合神经

2、网络分类器，以特征的分类准确度为评价准则对特征集合进行了二次优选。实验结果表明，该方法优选出的特征集具有较好的识别性能。关键词：蚁群优化；行为识别；特征提取；特征优选中图分类号：TP391文献标识码：A文章编号：2095—6533(2014)01-0073-05AfeatureselectionmethforbehaviorrecognitionbasedonantcolonyalgorithmWANGZhongmin．CAODong(SchoolofComputerScienceandTechnology，Xi’anUniversityofPostsandTelecommunicati

3、ons，Xi’an710121，China)Abstract：Toreduceredundancyfeaturesandimproveaccuracyofmobileuserbehaviorrecognition，anaccelerationsignalfeatureselectionmethodisproposedformobileuserbehaviorrecognitionbasedonantcolonyalgorithm．Thesampledataispreprocessedandfeaturesareoptimizedinitiallyaccordingtotheclassif

4、icationsensitivityofeveryfeatureofthedifferentbehaviortoreducedimensionofthefeaturesearchspace．Then，antcolonyalgorithmcombinedwithneuralnetworkclassifierisusedtomakeasecondaryoptimizationandfeatureclassificationaccuracyforevaluationcriteria．Experimentresultsshowthatthefeaturesetselectedbythemetho

5、dhasabetterrecognitionperformance．Keywords：antcolonyalgorithm，behaviorrecognition，featureselection，featureoptimization行为识别研究是人工智能领域的一个重要课传感器，近年来国内外有不少学者开展了基于加速题。早期的研究主要通过构建智能空间，特制各种度信息的人体行为识别研究，但手机所放置的位置可穿戴传感器在实验室环境开展的。随着移动通和方位，以及人的行为差异等都会对加速度信号产信技术的快速发展和移动智能终端制造水平的不生影响L2]。如何从加速度信号的时域、频域和时频断提高，内置

6、于智能手机内的各类传感器使开展基域特征中优选出与手机放置位置和方位无关、算法于智能手机的移动用户行为识别研究成为可能[】]。复杂度低、与人体运动行为敏感度高的特征子集成为了增强用户体验，目前智能手机都有内置加速度为本领域急需解决的关键技术难题。收稿日期：2013-11—26基金项目：国家自然科学基金资助项目(61100166)；陕西省教育厅产业化培育基金资助项目(2012JC22)作者简介：王忠民(1967一)，男，博士，教授，从事智能信息处理研究。E—mail：wzm一678@163．tom曹栋(1988一)，男，硕士研究生，研究方向为嵌入式系统设计与开发。E—mail：3958120

7、22@qq．corn·74·西安邮电大学学报2014年1月特征优选方法已经有很多研究，文献[5]从搜1．2基于蚁群算法的特征子集优选索策略和评价准则两个角度对特征选择方法进行1．2．1问题描述了分析和总结；文献E6]利用相关分析和K—NN算将每个特征作为位置点，任意特征点都可看为法进行组合式特征选择；文献[7]提出了基于相关食物源，当所需的特征值数目确定，蚁群一次遍历性和冗余度的联合特征选择算法；文献E82将互信的结果是一组特征子集