论文部分内容阅读
为了进一步提高行为识别的准确率,将视频中行为的动态特征和静态特征结合起来,应用一种改进的模糊支持向量机(FSVM)方法进行识别,该方法中采用一种新的隶属度确定方法,考虑了样本与类中心的距离以及样本与样本之间的紧密度关系;同时对支持向量机中靠近支持向量的难以识别的样本使用K近邻法识别.在KTH图像数据集上进行实验,将支持向量机与改进的模糊支持向量机两种识别方法进行比较,改进的模糊支持向量机在各类行为识别上取得了较高的识别率.