基于分层自组织映射架构的未分割动作在线识别

对一系列未分割动作进行在线自动识别需要一种能够确定动作起止时刻的分割方法。本文提出了一种用于在线测试实验中识别未分割动作的新方法。该方法使用自组织神经网络构建三层认知架构。动作序列的独特特征由第一层自组织映射表示为一系列引发的关键激活。为训练集中所有动作序列计算关键激活向量的平均长度，并在学习试验中进行调整，以生成输入模式给第二层自组织映射。模式向量在第二层中被聚类，随后在第三层神经网络中由动作标识进行标注。实验结果表明，尽管与离线测试相比在线实验性能略有下降，但所提架构处理未分割动作序列的能力以及在线性能使该系统在真实场景中具有更高的合理性与实用性。