基于蚁群算法的行为识别特征优选方法

被引:21
作者
王忠民
曹栋
机构
[1] 西安邮电大学计算机学院
关键词
蚁群优化; 行为识别; 特征提取; 特征优选;
D O I
10.13682/j.issn.2095-6533.2014.01.016
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
为了降低特征冗余,提高移动用户行为识别的准确率,提出一种基于蚁群算法的移动用户行为识别加速度信号特征优选方法。首先对样本数据进行预处理,根据特征对不同行为的分类敏感度进行初次优选,降低特征搜索空间的维度;然后利用蚁群算法结合神经网络分类器,以特征的分类准确度为评价准则对特征集合进行了二次优选。实验结果表明,该方法优选出的特征集具有较好的识别性能。
引用
收藏
页码:73 / 77
页数:5
相关论文
共 9 条
  • [1] 基于粗糙集和蚁群算法的特征基因选择方法
    黄丹凤
    祁云嵩
    许姗娜
    [J]. 计算机技术与发展, 2012, 22 (06) : 68 - 70+74
  • [2] 基于相关性和冗余度的联合特征选择方法
    周城
    葛斌
    唐九阳
    肖卫东
    [J]. 计算机科学, 2012, 39 (04) : 181 - 184
  • [3] 特征选择方法综述
    姚旭
    王晓丹
    张玉玺
    权文
    [J]. 控制与决策, 2012, 27 (02) : 161 - 166+192
  • [4] 基于粗糙集和蚁群优化算法的特征选择方法
    王璐
    邱桃荣
    何妞
    刘萍
    [J]. 南京大学学报(自然科学版), 2010, 46 (05) : 487 - 493
  • [5] 攻击特征在线选择方法的研究
    朱莉
    李玲娟
    [J]. 西安邮电学院学报, 2009, 14 (03) : 72 - 74
  • [6] 基于最大互信息最大相关熵的特征选择方法
    赵军阳
    张志利
    [J]. 计算机应用研究, 2009, 26 (01) : 233 - 235+240
  • [7] 蚁群算法概述
    温文波
    杜维
    [J]. 石油化工自动化, 2002, (01) : 19 - 22
  • [8] Using Mobile Phones to Determine Transportation Modes
    Reddy, Sasank
    Mun, Min
    Burke, Jeff
    Estrin, Deborah
    Hansen, Mark
    Srivastava, Mani
    [J]. ACM TRANSACTIONS ON SENSOR NETWORKS, 2010, 6 (02)
  • [9] A novel feature selection approach: Combining feature wrappers and filters[J] . Information Sciences . 2006 (2)