基于动作捕捉数据临界点数量确定 HMM 参数以进行手势识别
机器学习
2011-10-31 v1
摘要
本文提出了一种基于动作捕捉数据临界点数量来选择隐马尔可夫模型 (HMM) 状态数的方法。HMM 参数的选择对识别器的性能至关重要，因为它是训练的第一步，且无法在 HMM 内部自动修正。在本文中，我们定义了基于序列临界点数量的状态数预测器，并针对样本数据测试了其有效性。
引用
@article{arxiv.1110.6287,
title = {Deciding of HMM parameters based on number of critical points for gesture recognition from motion capture data},
author = {Michał Cholewa and Przemysław Głomb},
journal= {arXiv preprint arXiv:1110.6287},
year = {2011}
}