没有合适的资源?快使用搜索试试~ 我知道了~
毕业设计-基于SVM分类器的动作识别系统.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 60 浏览量
2023-08-06
12:21:56
上传
评论
收藏 1.86MB PDF 举报
温馨提示
试读
53页
毕业设计-基于SVM分类器的动作识别系统.pdf
资源推荐
资源详情
资源评论
设计(论文)题目:
基于 SVM 分类器的动作识别系统
基于 SVM 分类器的动作识别系统
I
摘 要
动作识别领域近年来随着动作采集技术的成熟而高速发展,因其无需借助任何
计算机系统的传统输入设备就能够准确识别出用户意图,对三维动作数据进行数据
处理与挖掘的技术,现已广泛运用到了计算机动画、游戏、新型人机交互和智能家
居控制等领域。
支持向量机(Support Vector Machine, SVM)凭借其在小训练样本、非线性和高
维模式识别中的优势而广受关注。本文对经典 SVM 二分类算法进行研究,在此基
础上将 SVM 算法推广到了多分类中。此外通过获取智能手机中的加速度传感器、
陀螺仪和方位传感器的数据,搭建了一个动作数据采集、传输和存储平台,支持多
用户传输存储其动作数据。采用 SVM 多分类算法训练预处理后的动作数据,并采
用粒子群优化算法(PSO)对 SVM 参数进行优化,建立动作分类模型,实验证明该模
型能够 97.30%的准确率识别出用户的动作意图。
为了验证基于 SVM 分类器的动作识别系统的运用场景,本文将其运用到了智
能家居家电控制领域,通过软件搭建了一个智能家居模拟模块,可以模拟实体智能
家居的一系列状态信息(如打开电灯)。通过对用户动作数据的分类学习,可以达到
通过动作信息控制家电开关等状态动作的功能目的,为基于 SVM 分类器的动作识
别系统找到了一个应用场景。
[关键词] 动作识别 SVM 多分类 粒子群优化 智能家居
基于 SVM 分类器的动作识别系统
II
ABSTRACT
With the motion capture technology matures and promotion, fast and efficient access
to a large number of real-time and three-dimensional motion data has become a reality.
Because has the ability to accurately identify the user's intention without the help of any
conventional computer system input devices, the action of the three-dimensional data
processing technology has been widely applied to computer animation, games, new human-
computer interaction and intelligent home control field.
Support vector machine (SVM) has its unique advantages in solving the small sample,
nonlinear and high dimensional pattern recognition. This paper through to studying
classical SVM binary classification algorithm, on the basis promoted the binary
classification to multi-classification field. In addition, by obtaining data on the smart phone
accelerometer, gyroscope and compass sensor, built a movement of data collection,
transmission and storage platform, to support multi-user transmission data and stored its
action data. After data normalization, using SVM multi-classification algorithm, and using
PSO algorithm for SVM parameters optimization, built their action data model. The
experiment proved that the action model can predict the user's action intentions with 97.30%
accuracy.
In order to verify the application scenarios of motion recognition system based on
SVM classifier, this paper applied it to the fields of smart home control module, through
built the smart home simulation module that can simulate a series of status information of
appliances (such as turn on lights) by software. Based on user’s motion data learning, SVM
classification model can control the appliance’s status. This find an application scenario
based SVM classifier action recognition system.
[Key words] motion recognition SVM multi-classification PSO smart home
基于 SVM 分类器的动作识别系统
III
目 录
摘 要..................................................................................................................................I
ABSTRACT........................................................................................................................II
目 录............................................................................................................................... III
第一章 绪 论............................................................................................................... 1
第一节 研究背景及意义............................................................................................ 1
第二节 国内外研究现状............................................................................................ 2
第三节 论文结构........................................................................................................ 3
第四节 本文主要任务与成果.................................................................................... 3
第二章 SVM 算法研究 ................................................................................................. 6
第一节 SVM 方法介绍.............................................................................................. 6
最优分类面...................................................................................................... 6
支持向量机...................................................................................................... 9
第二节 多分类的支持向量机.................................................................................. 11
第三节 本文 SVM 算法的实现............................................................................... 11
第四节 粒子群优化 SVM 参数............................................................................... 12
SVM 参数介绍.............................................................................................. 12
粒子群优化算法介绍.................................................................................... 12
粒子群优化 SVM 参数 ................................................................................. 13
第五节 本章小结...................................................................................................... 14
第三章 动作采集模块设计与实现 ............................................................................. 15
第一节 动作采集模块概述...................................................................................... 15
第二节 采集动作特征说明...................................................................................... 16
加速度传感器................................................................................................ 16
陀螺仪............................................................................................................ 16
方向传感器.................................................................................................... 17
第三节 动作采集 APP 设计与实现 ........................................................................ 17
APP 设计概要 ............................................................................................... 17
动作采集和传输方案.................................................................................... 18
基于 SVM 分类器的动作识别系统
IV
第四章 动作识别模块设计与实现 ............................................................................. 21
第一节 动作识别模块概述...................................................................................... 21
后台架构........................................................................................................ 21
系统运行流程................................................................................................ 21
第二节 数据预处理.................................................................................................. 23
第三节 动作预测模块.............................................................................................. 24
第四节 动作学习模块.............................................................................................. 24
第五章 智能家居模拟模块 ......................................................................................... 26
模拟学习模块................................................................................................ 26
模拟显示模块................................................................................................ 27
第六章 结 论............................................................................................................. 28
第一节 其他分类算法效果比较.............................................................................. 28
K 临近算法.................................................................................................... 28
神经网络算法................................................................................................ 28
结论................................................................................................................ 28
第二节 总结与展望.................................................................................................. 29
总结................................................................................................................ 29
展望................................................................................................................ 29
致 谢............................................................................................................................... 30
参考文献........................................................................................................................... 31
附 录............................................................................................................................... 33
一、 英文原文 ......................................................................................................... 33
二、 英文翻译 ......................................................................................................... 38
三、 部分核心源程序代码 ..................................................................................... 43
剩余52页未读,继续阅读
资源评论
AbelZ_01
- 粉丝: 873
- 资源: 5441
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 农村信用社联合社计算机信息系统投产与变更管理办.docx
- 农村信用社联合社计算机信息系统数据管理办法.docx
- 利用SPSS作临床效度分析线上计算网站介绍-医学研究部统计谘.(医学PPT课件).ppt
- 利用Zabbix监控mysqldump定时备份数据库状态.docx
- 利用计算机解决问题的基本过程.doc
- 化工铁路通信工程总结.doc
- 北京大学网络教育软件工程作业.docx
- 医药公司(连锁店)计算机操作规程未新系统的自行按照旧制修改-新系统过制的编号加修模版.doc
- 医药公司(连锁店)计算机系统操作规程模版.doc
- 医药连锁门店计算机系统的操作和管理程序未新系统的自行按照旧制修改-新系统过制的编号加修模版.docx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功