[发明专利]VR艺术媒体交互环境下基于线性判决和SVM的动作识别方法

权利要求书

1.一种VR艺术媒体交互环境下基于线性判决和SVM的动作识别方法，其特征在于，通过非线性变换将原始训练数据样本映射到高维特征空间H，然后在H中进行线性决策分析，得到最佳分类特征向量；采用遗传算法实现SVM分类器的参数搜索优化，利用优化后的SVM分类器实现动作分类识别。

2.根据权利要求1所述的VR艺术媒体交互环境下基于线性判决和SVM的动作识别方法，其特征在于，所述通过非线性变换将原始训练数据样本映射到高维特征空间H具体为：

步骤S11：设非线性映射φ(X)将X映射到高维特征空间H，产生其中表示H中样本矢量；

步骤S12：设定核矩阵为其中，中的Fisher准则函数J(w)为：

式中，w是核空间投影向量，w＝φ(X)a，a＝[a₁,...,a_N]^T，是类内散布矩阵，与的表达式如下：

式中，u_i为中第i个样本的平均值,u为总的平均值；

步骤S13：将Fisher准则函数J(w)改写为：

式中，K_t表示内核的总体散布矩阵,K_b表示内核类别之间的散布矩阵，分别采用下式计算：

K_t＝K_w+K_b；

其中，K_w为一个内核类内散布矩阵，N_i表示属于类i的列索引，c表示全局中心；

步骤S14：设A_opt表示最大化K_w的表达式的一组最优解的特征向量，从等式w＝φ(X)a得到核空间投影矩阵：

W_opt＝φ(X)A_opt；

对于任何样本点，其在内核空间中的投影由下式给出：

3.根据权利要求1所述的VR艺术媒体交互环境下基于线性判决和SVM的动作识别方法，其特征在于，所述采用遗传算法实现SVM分类器的参数搜索优化具体为：采用遗传算法来优化SVM分类器的罚因子参数C和核函数参数σ；其中遗传算法中交叉搮作选用浮点数编码：

式中，a表示一个取值范围为(0,1)的随机数；

其中，釆用均匀变异算子进行变异操作，针对所有变异点从相关基因值的规定区间中选择一个随机值更新原始基因值：

X′＝U_min+r(U_max-U_min)；

式中，r表示一个取值范围为(0,1)的随机数，U_max表示基因位的取值上限，U_min表示基因位的取值下限；

适应度函数为：

式中，E表示误差平方和，b表示一个常数；

上述过程以是否搜索完毕为终止条件，当搜索完毕时，记录最优的罚因子参数C和核函数参数σ来更新SVM分类器。