摘要
本发明公开了一种基于多尺度特征提取的群体行为识别方法,对采集的传感器数据进行预处理,预处理后的传感器数据通过多尺度特征提取模块得到个体精炼特征,然后将个体精炼特征输入交互关系提取模块捕获个体间的交互关系,得到精炼特征向量;最后通过子群基数预测模块提取精炼特征向量中的子群数量,并构建精炼特征向量的特征邻接矩阵,输入到图谱聚类模块中进行子群划分,并生成子群的全局特征,然后通过群体行为分类器得到识别结果。本发明对传感器数据的个体特征和关系特征进行挖掘和提取,增强了模型的泛化能力,提高了群体行为识别的鲁棒性和准确性,实现了模型对群体行为的有效识别。
技术关键词
多尺度特征提取
识别方法
通道
模块
传感器
分类器
前馈神经网络
图谱
关系
数据
节点特征
聚类算法
拉普拉斯
线性
矩阵
上采样
鲁棒性
系统为您推荐了相关专利信息
高频载波同步
信号调制系统
热力图
节点
结构相似性算法
协同优化控制方法
凹板间隙
变量
状态空间模型
大豆
动态数据校正
智能调度算法
异常数据检测
时效性
传感器
采样点
栅格地图
小区
基站定位方法
计算机程序产品
支持向量机模型
故障预测模型
频域特征
故障工况
水泵