[发明专利]一种基于栈式自编码的活动识别方法在审
| 申请号： | 201510207815.1 | 申请日： | 2015-04-28 |
| 公开（公告）号： | CN104850735A | 公开（公告）日： | 2015-08-19 |
| 发明（设计）人： | 陈岭;沈延斌;郭浩东 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F19/00 | 分类号： | G06F19/00 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 胡红娟 |
| 地址： | 310027 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于栈式自编码的活动识别方法，包括：获取用户在日常活动时的数据点形成时序数据，每个数据点包括信号值和对应的采集时间；对时序数据进行预处理得到若干时序数据帧；采用栈式自编码神经网络法根据预处理后得到的时序数据帧求解全局模型，并利用所述的全局模型确定各个时序数据帧对应的深度特征向量，并将所有时序数据帧对应的深度特征向量组合为深度特征矩阵；基于若干个正确标记活动的深度特征矩阵进行训练识别模型以进行活动识别。本发明采用基于栈式自编码法和深度特征学习法结合构建全局网络求解深度特征向量，有利于提高识别速度和识别精度。 | ||
| 搜索关键词： | 一种 基于 编码 活动 识别 方法 | ||
【主权项】：
一种基于栈式自编码的活动识别方法，其特征在于，包括如下步骤：步骤1：获取用户在设定时间内的活动数据，所述活动数据为由若干数据点形成的时序数据，每个数据点包括信号值和对应的采集时间；步骤2：对所述的时序数据进行预处理得到若干时序数据帧；步骤3：采用栈式自编码神经网络法根据预处理后得到的时序数据帧求解全局模型，并利用所述的全局模型确定各个时序数据帧对应的深度特征向量，并将所有时序数据帧对应的深度特征向量组合为深度特征矩阵；步骤4：基于若干个正确标记活动的深度特征矩阵进行训练识别模型，并利用训练得到的识别模型进行活动识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510207815.1/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学，即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真，例如：概率模型或动态模型，遗传基因管理网络，蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的，例如：进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的，例如：结构排序，结构或功能关系，蛋白质折叠，结构域拓扑，用结构数据的药靶，涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的，例如：基因型–表型关联，不均衡连接，种群遗传学，结合位置鉴定，变异发生，基因型或染色体组的注释，蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学，即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真，例如：概率模型或动态模型，遗传基因管理网络，蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的，例如：进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的，例如：结构排序，结构或功能关系，蛋白质折叠，结构域拓扑，用结构数据的药靶，涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的，例如：基因型–表型关联，不均衡连接，种群遗传学，结合位置鉴定，变异发生，基因型或染色体组的注释，蛋白质相互作用或蛋白质核酸的相互作用
