基于正则藤 copula 的深度神经网络融合用于活动识别
信号处理
2019-11-22 v2
摘要
本文中，我们提出基于正则藤 copula 的多个深度神经网络分类器融合方法，用于基于多传感器的人体活动识别问题。我们通过采用正则藤 copula 来考虑跨模态依赖，这类模型极为灵活且强大的图模型能够刻画多个模态间的复杂依赖关系。多个深度神经网络用于从多传感模态中提取高层特征，每个深度神经网络处理来自单一传感器的数据。随后使用正则藤 copula 模型将提取的高层特征进行融合。数值实验验证了我们所提方法的有效性。
引用
@article{arxiv.1905.02703,
title = {Fusion of Deep Neural Networks for Activity Recognition: A Regular Vine Copula Based Approach},
author = {Shan Zhang and Baocheng Geng and Pramod K. Varshney and Muralidhar Rangaswamy},
journal= {arXiv preprint arXiv:1905.02703},
year = {2019}
}