一种基于异质分层PSO和SVM的人体行为识别方法

摘要

本发明涉及一种基于异质分层PSO和SVM的人体行为识别方法，属于人体行为识别以及模式识别技术领域；首先根据输入数据建立粒子适应度函数，然后基于混合后的随机混沌映射方法对分类器中需要寻优的参数进行粒子初始化；采用动态阈值规则对粒子分层，将异质粒子作用力融入每层的粒子位置与速度更新过程，设置分层速度更新原则；最后对分类器中每一维参数进行迭代寻优，得到一个基于异质分层寻优的分类模型；并基于该模型对传感器输入的人体运动行为数据进行分类。对比现有技术，本发明的寻优算法解决了建立支持向量机分类模型时参数易陷入局部最优的问题，建立的异质分层分类模型参数寻优收敛块、抗波动干扰能力强，提高了对人体行为的识别精度。