您当前的位置：
首页 > 文献资料
所属专业：
隐马尔可夫模型训练文献资料
-
基于改进头脑风暴优化算法的隐马尔可夫模型运动识别
目的 克服隐马尔可夫模型(hidden Markov model,HMM)训练过程中易陷入局部优问题,提高基于HMM的人体运动识别准确率.方法 提出一种基于带差分步长的头脑风暴优化(brain storm optimization with differential step,BSO-DS)算法来改进HMM训练过程的方法,进而利用该方法对实际人体运动视频进行运动识别,并将结果与经典的基于Baum-Welch (BW)算法的HMM识别结果进行比较分析.结果 本文所提方法在解决HMM训练问题时,可以得到更大的log-likelihood值,所得到的HMM可以更好地表达训练数据,其运动识别准确率达到92.2％,较BW算法有较大提升.结论 BSO-DS算法可以有效搜索全局优,更好地解决HMM的训练问题,同时提升了运动识别准确率,为人体运动分析提供了新思路.
