超级会员免费看
摘要
基于深度学习和Wi-Fi感知的人体行为识别系统已逐步成为主流的研究方向，在近年来得到了长足的发展。然而，现有的系统严重依赖于大量带标记样本以达到良好的识别精度。这导致了大量的人力成本用于标记数据，同时现有系统也难以应用于实际场景。针对该问题，提出一种将主动学习应用于Wi-Fi感知的人体行为识别系统——ALSensing。该系统是第一个将主动学习和Wi-Fi人体行为识别相结合的系统，能够利用有限数量的已标记训练样本构建一个性
本文提出了一种名为ALSensing的系统，它结合主动学习和Wi-Fi感知来实现人体行为识别。相较于传统深度学习系统，ALSensing在较少的已标记训练样本下（如3.7%和15%）能达到接近的识别精度。该系统通过Wi-Fi信号参数（如CSI）的变化来识别行为，利用Hampel滤波器和主成分分析处理数据，再通过主动学习策略选择困难样本进行模型训练。实验表明，ALSensing在减少90%标记样本需求的同时，保持了与全监督方法相当的性能。
订阅专栏 解锁全文
扫一扫
2494
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
