论文部分内容阅读
提出了一种基于智能手机识别人体姿态的神经网络分类器的设计方案．该设计的主旨是用第一级分类器区分动态和静态动作，然后用第二级分类器分别识别这两类动作．第一级分类器采用直接核感知机DKP（Direct Kernel Perceptron），其具有简单、快速，a系数可直接计算得出而无需任何反复训练的特点．在线序列核极限学习机OS-KELM（0nline Sequential Kernel Extreme Learning Machine）因其高效性被作为第二级分类器．实验结果成功验证提出的识别方案是可行的．