论文部分内容阅读
针对基于加速度信号的人体行为识别，采用递阶遗传算法（HGA）训练径向基函数（RBF）神经网络，获得满意的识别正确率．设计适应度函数，利用四分位数间距改进HGA中参数基因的交叉方式，给出自动确定子代生成区域的方法，省去以往同类算法中的经验性设定，并结合算术交叉选择优秀子代，然后对比均匀变异和非均匀变异子代的适应值，实现对RBF网络结构和参数的联合优化．在基于加速度信号的行为识别系统中，与基本HGA和其他常用的训练方法相比，文中算法训练的RBF分类器可获得更低的输出误差和更高的测试样本识别正确率．