基于PSO的RF模型在人体活动识别中的应用 |
| |
引用本文: | 倪洪科,王斌,王英超,高慧敏.基于PSO的RF模型在人体活动识别中的应用[J].计算机时代,2023(5):131-135. |
| |
作者姓名: | 倪洪科 王斌 王英超 高慧敏 |
| |
作者单位: | 1. 浙江理工大学计算机科学与技术学院;2. 嘉兴学院信息科学与工程学院 |
| |
摘 要: | 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。
|
关 键 词: | 随机森林 粒子群优化 人体活动识别 传感数据 |
|
|