基于PSO的RF模型在人体活动识别中的应用

提出一种基于粒子群优化(PSO)的随机森林（RF）识别方法。利用PSO算法搜寻最优的RF超参数n＿estimators和max＿depth，构建了PSO-RF人体活动识别模型。基于华盛顿州立大学CASAS项目数据集的实验共识别30种日常活动。仿真结果表明，PSO-RF模型的识别准确率达到95%,Accuracy、Precision、Recall和F1-score评价指标均优于其他经典的分类模型，具有较好的预测精度和泛化能力，可为智能家居系统个性化服务提供辅助决策。