论文部分内容阅读
针对人体行为数据的识别与分类问题，提出一种连续时变自编码机 （Continuous Time-va-rying Autoencoder, CTAE）模型．该模型在激活函数中增加高斯随机单元，强化对非线性连续型数据的特征学习与提取．在人体行为识别实验中，从原始数据信号中提取十维频域特征和四维时域特征；利用主成分分析（Principle Component Analysis，PCA）方法实现特征数据降维；针对预处理完的人体行为数据，训练由多个CTAE组成的深度信念网络（Deep Belief Network，