文献

J-GLOBAL ID：201702218004673631   整理番号：17A1792611

適応変異粒子群最適化(SVM)を用いたSVMの挙動認識【JST・京大機械翻訳】

Action recognition based on adaptive mutation particle swarm optimization for SVM

著者 (4件)： Zhang Guoliang (北京工業大学 信息学部,北京,100124) ,  Jia Songmin (北京工業大学 信息学部,北京,100124) ,  Zhang Xiangyin (北京工業大学 信息学部,北京,100124) ,  Xu Tao (北京工業大学 信息学部,北京,100124)
資料名： Guangxue Jingmi Gongcheng  (Guangxue Jingmi Gongcheng)
巻： 25  号： 6  ページ： 1669-1678  発行年： 2017年 
JST資料番号： C2090A  ISSN： 1004-924X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ビデオシーケンスにおける人間行動の認識能力を向上するために,局所的特徴に基づく動作認識フレームワークを確立した。空間時間特徴抽出と符号化とSVM分類器パラメータ最適化の二つの部分により、このフレームワークに関連するアルゴリズムについて研究を行った。まず第一に,空間的関心点(STIP)をHarris3D検出器によって獲得して,STIPを方向勾配ヒストグラム(HOG)とオプティカルフロー方向ヒストグラム(HOF)によって記述して,Fisher記述子を導入して,特性記述子の符号化を実現した。固定パラメータにおけるSVM分類モデルの一般化能力が不足しているため,粒子群最適化(PSO)アルゴリズムを適用して,粒子群の多様性の変化を分析し,粒子の凝集度モデルを構築し,各世代の粒子の突然変異確率を動的に調整した;.1........................................................の各世代における粒子の凝集度のモデルを構築する.最後に,KTHとHMDB51のデータセットを用いて,提案した方法を検証した。結果により、提案した適応変異粒子群最適化(AMPSO)は、個体群が局所最適に陥ることを避けることができ、強いグローバル最適化能力を備えていることが分かった。KTHとHMDB51データセットにおける認識精度はそれぞれ87.50%と26.41%であり、残りの2種類の識別方法より優れている。実験結果は,AMPSOアルゴリズムがより良い収束性と全体的認識フレームワークの実用性と正確さを有することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 符号化 ,  サポートベクトルマシン ,  *アルゴリズム ,  ヒストグラム ,  特徴抽出 ,  人間行動 ,  突然変異 ,  オプティカルフロー
準シソーラス用語： 関心領域 ,  パラメータ最適化 ,  SVM分類 ,  動作認識 ,  ビデオシーケンス ,  *粒子群最適化 ,  *適応変異 , 【Automatic Indexing@JST】

著者キーワード (5件)： 人間行動認識 ,  適応突然変異粒子群最適化(AMPSO) ,  空間時間関心点(STIP) ,  特徴符号化 ,  サポートベクトルマシン(SVM)

分類 (2件)： 金属の結晶構造  (BK06000V) ,  数理計画法  (KA03030M)

タイトルに関連する用語 (4件)： 適応変異 ,  粒子群最適化 ,  SVM ,  挙動