论文部分内容阅读
针对人体行为识别过程中分类算法识别精度低和数据样本集的"维数灾难"问题,提出了基于行为识别的SPLDA降维算法.首先,利用SPLDA算法在原有样本协方差矩阵不变的情况下获取最重要的主分量,通过贪婪搜索方法得到多个投影向量;然后,通过更新类内散度矩阵获得最优转换矩阵;最后,将降维后的样本数据集通过XGBoost分类器进行最终的行为识别.实验结果表明,XGBoost分类器与随机森林算法相比,平均识别精度提高了2.66%,识别时间降低了0.52 s;SPLDA-XGB算法可以实现有效降维且比PCA算法、L