Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 106,049,847
CGA Clustering Based Vector Quantization Approach for Human Activity Recognition Using Discrete Hidden Markov Model
Tác giả hoặc Nhóm tác giả:
Nguyễn Năng Hùng Vân Danang University of Science and Technology nguyenvan@dut.udn.vn Phạm Minh Tuấn Danang University of Science and Technology pmtuan@dut.udn.vn Tachibana Kanta Kogakuin University
kanta@cc.kogakuin.ac.jp
Nơi đăng:
Tạp chí Khoa học Công nghệ Đại học Đà Nẵng;
S
ố:
85;
Từ->đến trang
: 77;
Năm:
2015
Lĩnh vực:
Công nghệ thông tin;
Loại:
Bài báo khoa học;
Thể loại:
Trong nước
TÓM TẮT
Activity recognition has been paid much consideration by many scientists over the world. However, the conventional research results need to be improved because of the complexity and unstability of object recognition. Especially with human activity recognition (HAR) in 3-dimensional space, the vector quantization based on
k
-means was not able to cluster two objects rotating around a common point but is not same a plane because they have the same cluster centroid. In this paper, we propose a new method of vector quantization (VQ) performance optimally distribute VQ codebook components on Hidden Markov Model (HMM) state. This proposed method is carried out through two steps. First, the proposed method use Conformal Geometric Algebra (CGA) clustering algorithms to optimize VQ. Then, the proposed method uses discrete HMM to recognize the human activity. The experimental result with the CMU graphics lab motion capture database shows that the proposed method is better than conventional method.
ABSTRACT
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn