检索结果

Select

1. 高可信度加权的多分类器融合行为识别模型

王忠民, 王科, 贺炎

计算机应用 2016, 36 (12): 3353-3357. DOI: 10.11772/j.issn.1001-9081.2016.12.3353

摘要（786）

PDF （781KB）（428）

为了提高基于智能移动设备的人体日常行为识别准确率，提出一种高可信度加权的多分类器融合行为识别模型（MCFM）。针对不同智能设备内置加速度传感器获取的三轴加速度信息，优选出与人体行为相关度高的特征集作为该模型的输入，将决策树、支持向量机以及反向传播（BP）神经网络三个基分类器通过高可信度加权投票算（HRWV）法训练出一个新的融合分类器。实验结果表明，所提出的分类器融合模型能有效提高行为识别的准确率，对静止、散步、跑步、上楼及下楼五种日常行为的平均识别准确率达到94.88%。

参考文献 | 相关文章 | 多维度评价

Select

2. 嵌入式软件语句覆盖率测试插桩技术

孙红利王忠民王文浪

计算机应用 2010, 30 (10): 2738-2740.

摘要（1571）

PDF （624KB）（1072）

针对基于宿主机的嵌入式软件测试，提出一种单元测试中通用的语句覆盖率测试方法，通过插桩技术，采用向源代码插桩实现语句覆盖率测试。设计了测试代码的实现算法，通过测试代码可以自动完成向被测代码插桩。这些方法被成功地应用到笔者所在项目组开发的嵌入式软件仿真测试平台ARMtest上。利用这些方法，在嵌入式硬件系统未完成开发之前，可通过宿主机环境和仿真环境及时发现嵌入式软件开发初期的一些不足并加以完善。

相关文章 | 多维度评价

Select

3. 一种动态调整学习速率的BP算法

王玲芝王忠民

计算机应用 2009, 29 (07): 1894-1896.

摘要（1028）

PDF （398KB）（1866）

在基本反向传播（BP）算法中，学习速率往往固定不变，限制了网络的收敛速度和稳定性。因此，提出一种动态调整BP网络学习速率的算法，以BP网络输出层节点的实际输出值与期望输出值的平均绝对值误差及其变化率为自变量，找出学习速率与两个自变量之间的函数关系。根据网络的实际学习情况，对学习速率进行动态调整。实例仿真结果表明，改进的BP算法在保持网络稳定性的同时，具有更快的收敛速度。而且，该算法只需恰当地选取几个参数，不受条件限制，因此具有普遍的适用性。