arXiv cs.AI· Xiangqing Lu, Tao Zhu, Mingxing Nie, Liming Chen·· 8 小时前AI 评分24
CHEAR：面向低成本人类活动识别的混淆层级证据感知推理
CHEAR: Confusion-Hierarchy Evidence-Aware Reasoning for Cost-Efficient Human Activity Recognition
AI 导读
研究者提出 CHEAR，一种将知识组织部分转移到离线阶段的混淆层级证据感知推理方法，用于基于可穿戴传感器的人类活动识别。CHEAR 从跨受试者反复出现的检索错误中构建并验证活动层级，并建立活动对知识，推理时由层级引导候选比较、逐步保留候选，仅对剩余活动调用局部判别知识。
来源：arXiv cs.AI · arxiv.org