摘要:本文提出了一种基于Rank Boost的运动数据检索相关反馈算法.该算法具有以下二个方面的特点:首先,以KNN-DTW作为Rank Boost集成学习的弱排序器,在适应变长多变量时间序列(Variable-Length Multivariate Time Series,VLMTS)数据的同时,利用Rank Boost的集成性与高效性解决相关反馈实时性要求与VLMTS数据计算复杂度高的矛盾;其次,以本文提出的最小化排序经验损失和泛化损失风险作为Rank Boost集成学习目标,有效地克服了相关反馈小样本学习环境下的过拟合问题.在CMU动作库上的实验结果验证了该方法的有效性.
关键词:运动捕获数据 相关反馈 rankboost 排序损失
单位:南京大学计算机软件新技术国家重点实验室; 江苏南京210046; 南京邮电大学宽带无线通信与传感网教育部重点实验室; 江苏南京210003
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社