排序方式: 共有4条查询结果,搜索用时 31 毫秒
1
1.
本文提出了一种基于RankBoost的运动数据检索相关反馈算法.该算法具有以下二个方面的特点:首先,以KNN-DTW作为RankBoost集成学习的弱排序器,在适应变长多变量时间序列(Variable-Length Multivariate Time Series,VLMTS)数据的同时,利用RankBoost的集成性与高效性解决相关反馈实时性要求与VLMTS数据计算复杂度高的矛盾;其次,以本文提出的最小化排序经验损失和泛化损失风险作为RankBoost集成学习目标,有效地克服了相关反馈小样本学习环境下的过拟合问题.在CMU动作库上的实验结果验证了该方法的有效性. 相似文献
2.
基于退火粒子群优化的单目视频人体姿态分析方法 总被引:1,自引:0,他引:1
提出一种基于退火粒子群优化(Simulated annealing particle swarm optimism, SAPSO)的单目视频人体姿态分析方法. 该方法具有以下特点: 首先, 利用运动捕获数据采用主成分分析方法(Principle component analysis, PCA)得到更能反映人体运动本质的姿态紧致空间, 并在此低维空间中进行姿态分析, 提高了姿态分析的准确性和效率; 其次, 将粒子群优化应用到姿态分析中, 并提出退火粒子群优化姿态分析方法, 该方法具有良好的收敛性和全局最优能力; 再次, 基于退火粒子群优化姿态分析方法, 实现了基于单目视频的人体姿态估计和跟踪. 实验结果表明, 本文方法不仅具有良好的计算效率, 同时具有良好的收敛性和全局搜索能力, 能准确分析单目视频中的人体姿态. 相似文献
3.
4.
1