排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
基于对现有Android手机活动识别技术的分析,针对从不完全、不充分的移动传感器数据中推断人体活动的难题,将能根据无标签样本提高识别预测准确性和速度的半监督(SS)学习和体现模式分类回归的有效学习机制的极限学习机(ELM)相结合给出了解决Android手机平台的人体活动识别问题的半监督极限学习机(SS-ELM)方法,并进一步提出了主成分分析(PCA)和半监督极限学习机(SS-ELM)结合的PCA+SS-ELM新方法。实验结果表明,该方法对人体活动的识别正确率能达到95%,优于最近提出的混合专家半监督模型的正确率,从而验证了该新方法是可行性。 相似文献
3.
针对腐蚀介质对不锈钢表面的点蚀问题,以304L不锈钢为基体,通过复合电沉积方法制备超疏水Ni-MoS2-Al2O3复合镀层,探究不同电流密度对表面形貌、元素含量和润湿性的影响,并与纯镍涂层进行比较.结果表明:当加入MoS2和Al2O3颗粒后,镍的成核过程发生变化,镀层表面含有大量团簇状的微纳米球凸起.在电流密度为8 A/dm2的实验条件下,经过硬脂酸乙醇溶液改性后,接触角的最大值为159.6°,具有良好的疏水性、低附着力和自清洁性.且镀层中MoS2和Al2O3颗粒含量最高,分别为5.6%和7.1%. 相似文献
4.
基于数据的流形假设,进行了Android手机的活动识别研究,提出了一种深度重构模型(DRMs),该模型无需基础几何的先验假设就能自动学习到当前类样本的复杂非线性曲面结构和几何特点。首先定义了一个深度重构模型(DRM)模板,通过高斯受限玻尔兹曼机(GRBMs)逐层贪婪训练以初始化DRM模板的权重。在训练阶段,根据每类样本分别微调初始化后的DRM模板便可得到特定类的DRM。在测试阶段,基于测试样本与特定类DRM的最小重构误差决策活动类别。实验证明,该方法对Android手机数据集的活动识别正确率高达99%。 相似文献
5.
1