改进的mRmR特征选择方法在人体行为识别中的应用.PDFVIP

第３１卷第２期 重庆邮电大学学报(自然科学版) Ｖｏｌ.３１　 Ｎｏ.２ ２０１９年４月 Ｊｏｕｒｎａｌ ｏｆ Ｃｈｏｎｇｑｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ(Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ) Ａｐｒ.２０１９ ＤＯＩ:１０.３９７９/ ｊ.ｉｓｓｎ.１６７３￣８２５Ｘ.２０１９.０２.０１５ 改进的ｍＲｍＲ特征选择方法在人体行为识别中的应用 王华华ꎬ黄　 龙ꎬ周远文ꎬ赵永宽 (重庆邮电大学 移动通信技术重庆市重点实验室ꎬ重庆４０００６５) 摘　 要:在基于惯性传感器人体行为识别的研究中ꎬ特征选择的作用是挑选相关特征ꎬ以提高分类性能ꎬ去除冗余 特征以降低计算复杂度ꎮ 针对传统的过滤式特征选择方法仅使用一种相关度量系数筛选特征效果不佳的问题ꎬ提 出一种改进的基于最大相关与最小冗余(ｍＲｍＲ)准则的特征选择方法ꎮ 该方法在基于ｍＲｍＲ准则下ꎬ采用多种相 关度量系数融合的方式ꎬ在考虑分类类别的条件下ꎬ分析待挑选特征与已选特征间的相关性对特征筛选可能产生 的积极影响ꎬ以去除部分冗余、不相关特征ꎬ进而得到初选特征子集ꎻ然后利用二进制数对筛选后的特征编码ꎬ通过 遗传算法搜索最优或次优特征子集ꎮ 分别使用ＳＶＭ和ＫＮＮ分类器对７种日常行为进行分类ꎮ 实验结果表明ꎬ与 其他几种方法相比ꎬ该方法对实验分类的７种行为有最高的总体平均识别精度ꎬ通过ＳＶＭ和ＫＮＮ分类的各行为总 体平均识别精度分别达到了９７.０２％和９５.７３％ꎬ与传统的ｍＲｍＲ方法相比ꎬ分别提高了１３.７２％和９.９２％ꎮ 关键词:人体行为识别ꎻ特征选择ꎻ遗传算法ꎻ相关度量 中图分类号:ＴＰ３９１　 　 　 　 　 　 　 　 　 文献标志码:Ａ 文章编号:１６７３￣８２５Ｘ(２０１９)０２￣０２６１￣０９ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｉｍｐｒｏｖｅｄ ｍＲｍＲ ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎ ｉｎ ｈｕｍａｎ ａｃｔｉｖｉｔｙ ｒｅｃｏｇｎｉｔｉｏｎ ＷＡＮＧ ＨｕａｈｕａꎬＨＵＡＮＧ ＬｏｎｇꎬＺＨＯＵ ＹｕａｎｗｅｎꎬＺＨＡＯ Ｙｏｎｇｋｕａｎ (Ｃｈｏｎｇｑｉｎｇ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｍｏｂｉｌｅ ＣｏｍｍｕｎｉｃａｔｉｏｎｓＴｅｃｈｎｏｌｏｇｙꎬＣｈｏｎｇｑｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓꎬ Ｃｈｏｎｇｑｉｎｇ４０００６５ꎬＰ.Ｒ. Ｃｈｉｎａ) Ａｂｓｔｒａｃｔ:Ｉｎ ｔｈｅ ｒｅｓｅａｒｃｈ ｏｆ ｈｕｍａｎ ａｃｔｉｖｉｔｙ ｒｅｃｏｇｎｉｔｉｏｎ ｂａｓｅｄ ｏｎ ｉｎｅｒｔｉａｌ ｓｅｎｓｏｒｓꎬｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎ ａｉｍｓ ｔｏ ｇａｉｎ ｒｅｌｅｖａｎｔ ｆｅａｔｕｒｅｓ ｉｎ ｏｒｄｅｒｔｏｉｍｐｒｏｖｅｃｌａｓｓｉｆｉｃａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅａｎｄｒｅｍｏｖｅｒｅｄｕｎｄａｎｔｆｅａｔｕｒｅｓｆｏｒｃｏｍｐｕｔａｔｉｏｎａｌｃｏｓｔ.Ｄｕｅｔｏｔｈｅｆａｃｔ ｔｈａｔ ｔｒａｄｉｔｉｏｎａｌｆｉｌｔｅｒｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｓｓｅｌｅｃｔｆｅａｔｕｒｅｓｂｙｕｓｉｎｇｏｎｌｙｏｎｅｃｏｒｒｅｌａｔｉｏｎｍｅａｓｕｒｅꎬａｎｉｍｐｒｏｖｅｄｆｅａｔｕｒｅｓｅ￣ ｌｅｃｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｍＲｍＲ ｉｓ ｐｒｏｐｏｓｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ. Ｉｎ ｔｈｅｆｒａｍｅｗｏｒｋ ｏｆ ｍＲｍＲꎬｔｈｉｓ ｍｅｔｈｏｄｆｉｒｓｔｌｙ ｅｌｉｍｉｎａｔｅｓ ｓｏｍｅ ｒｅｄｕｎｄａｎｔ ｆｅａｔｕｒｅｓ ａｎｄ ｉｒｒｅｌｅｖａｎｔ ｆｅａｔｕｒｅｓ ｔｏ ｏｂｔａｉｎ ｔｈｅ ｐｒｅｌｉｍｉｎａｒｙ ｆｅａｔｕｒｅ ｓｕ