数据分类特性测试优化建议

2023-06-16 理论教育版权反馈

【摘要】：PCP每次均将数据集随机分成2个子集，轮流作为训练集与测试集，得到2个测试精度，10次均值实际上是20个精度值的平均，这个均值的有效性更好。交叉检验实验说明，利用特征数据能较好地区分各类行为。按第5.3.2节向量分量排列顺序，分量下标为k的特征，如果k或k+1能被4整除，说明其反映的是空档变化情况；不符合这个特征，说明其反映的是宽度变化情况。

为了获得一定的精度，先选择了较精细的划分，在横竖两个方向均划分为20个区间，按第5.3.2节的方法对筛选出的视频段进行特征提取，共获得640行向量，每个向量的维数有（20×2+20×2+2）×2=164个。为从不同角度测试数据的有效性，分别对此640×164数据集进行了交叉检验、特征分级及降维后的交叉检验测试。

1.不同识别方法的测试

为了测试模式识别方法在此数据集上的识别精度，一般的方法是将此数据集随机划分为训练集与测试集进行分类测试，实验选择了交叉检验。选择交叉检验，PCP程序将整个数据集随机分成K个子集，轮流取出一个子集做测试集，同时以另外K-1个子集做训练集，测试分类精度。实验中选择了2子集交叉，做10次检验，取精度的平均值。PCP每次均将数据集随机分成2个子集，轮流作为训练集与测试集，得到2个测试精度，10次均值实际上是20个精度值的平均，这个均值的有效性更好。以不同方法进行交叉检验结果如表5.1所示。

表5.1　以不同识别方法交叉检验结果

pagenumber_ebook=75,pagenumber_book=70

续表

pagenumber_ebook=76,pagenumber_book=71

由表5.1可知，不同的参数或不同的识别方法对同一数据集交叉检验，结果差距很大；支持向量机分类时，其核函数的选择，目前国际上还没有形成统一的模式，一般凭经验或实验对比来选择。从这个实验中看出，采用不同的核，分类精度差距很大；多层感知器实际上应用的是神经网络方法，因为神经网络的学习过程是迭代过程，前几次的精度很低，表5.1中的77.5%是全部迭代的平均值，所以是不准确的。如果以每次实验的最后两次迭代精度进行平均，其精度可达98.3%。

表5.1显示的是总的分类精度，为了区分此特征对每类行为的表征能力，表5.2列出了3种分类器下各类别的召回率R，R的计算方法如式（4.9）。

表5.2　3种分类器下各类别的召回率

pagenumber_ebook=76,pagenumber_book=71

表5.2显示，在用线性判别式分类器和最近邻分类器进行分类时，running和jogging两类召回率很低，其他4类一直保持较高的召回率。其主要原因是跑和慢跑均为跑，实际应为一快一慢，但实验录像中两类的界限较模糊，这一点在文献[144]中也有说明。实验中，如果除去其中的一类记录，那么总体精度均提高了。

交叉检验实验说明，利用特征数据能较好地区分各类行为。

2.特征值有效性分析

本部分进行测试的特征向量有164维，反映的是人体横向20个区间、纵向20个区间、质心x和质心y的变化的频率和幅度，在分类中，这164个特征值所起的作用是否相同？哪些部分的分类特征较明显些？为了说明这个问题，利用640×164的数据集进行了特征选择分析。特征选择是指从一组特征中挑选出对分类最有利的特征，一般特征选择的目的是降低空间维数，本实验的目的是为了分析各分量对识别运动行为的支持度。选择PCP特征选择中的特征分级功能（feature ranking），并选择Euclidean距离作为判据进行按距离特征分级；PCP给出向量中各分量在分类中所起作用的等级，将等级值映射到[0，1]区间，得到164个反映分类等级的值。表5.3列出了特征分级等级排前40个的下标值及对应的等级。因为结果庞大，不方便以表格形式全部列出，以点分布形式显示为如图5.5所示。图5.5中横坐标表示向量中特征值的下标1～164，纵坐标表示对应特征的分类有效性等级0～1，其值越大，表示在分类中所起的作用越大。

表5.3　特征分级等级排前40个的下标值及对应的等级

pagenumber_ebook=77,pagenumber_book=72

pagenumber_ebook=78,pagenumber_book=73

图5.5　特征分级结果

由表5.3和图5.5可以得出，有效性等级大于0.5的，其下标值均为偶数，说明大部分时间平均方差值在分类中所起作用明显。另外，全部值的有效性等级均大于0.2，说明所有特征均在分类中起到相当的作用，不能忽视。横向的1～20行特征反映在向量的1～80下标的特征值，其两端和中间作用明显，也就是头、手、脚部位的宽度变化在分类中作用显著；纵向的1～20列特征反映在向量的81～160下标的特征值，仍是两端和中间作用明显；161～164特征反映的是质心x和质心y的波动，4个值的分类作用均较小，这符合人对这6项运动的认识。

按第5.3.2节向量分量排列顺序，分量下标为k的特征，如果k或k+1能被4整除，说明其反映的是空档变化情况；不符合这个特征，说明其反映的是宽度变化情况。将结果按分级值降序排序，发现对应下标有或没有“k或k+1能被4整除”特征的交杂在一起，说明空档的变化情况和宽度变化情况在分类中所起的作用是相当的。在横竖两个方向均划分为20个区间，按第5.3.2节方法对筛选出的视频段进行特征提取，但只提取宽度而忽略宽度内空档的数据，仍可获得640行向量，每个向量的维数有（20+20+2）×2=84个。对此640×84数据集进行2子集交叉，10交叉检验，测试结果如表5.4所示，与表5.1的1、4、6、7行对比，精度大大降低了。

表5.4　不提取宽度内空档信息的数据集交叉检验结果

pagenumber_ebook=78,pagenumber_book=73

至此，特征向量分类特征明显，各分量在分类中均有效，不能明显找出分类作用很小或没有作用的分量，在后面的实验中将不对数据进行降维处理。

数据分类特性测试优化建议

相关推荐