CN119421137A 一种基于对比学习模型的域适应WiFi人体感知方法 （深圳市信丰伟业科技有限公司）_第1页
CN119421137A 一种基于对比学习模型的域适应WiFi人体感知方法 （深圳市信丰伟业科技有限公司）_第2页
CN119421137A 一种基于对比学习模型的域适应WiFi人体感知方法 （深圳市信丰伟业科技有限公司）_第3页
CN119421137A 一种基于对比学习模型的域适应WiFi人体感知方法 （深圳市信丰伟业科技有限公司）_第4页
CN119421137A 一种基于对比学习模型的域适应WiFi人体感知方法 （深圳市信丰伟业科技有限公司）_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

道北站社区龙华区数字创新中心C栋一种基于对比学习模型的域适应WiFi人体本发明公开一种基于对比学习模型的域适先采用无监督生成对抗网络模型学习源域和目2个WiFiCSI数据的特征提取器；CDCL模型利用数据增强方法构建正负样本进行对比学习，,,负样本之间的余弦相似度，P(i)是选定的锚点样本的正样本数量，IP(i)是与选定的锚点样3中，采用源域目标域损失Lst和目标目标域损失Ltt提升域适应能力，CDCL模型对比损失,4[0003]本发明主要解决的技术问题是提供一种基于对比学习模型的域适应WiFi人体感采用无监督生成对抗网络模型学习源域和目标域之间的迁移对应关系，并获取一个WiFi以α百分比的原始数据持续时间随机减慢或加快CSI数据，同一个训练批次中的每个CSI样5别指的是在某个CSI数据批次上进行轻微扰动或类别相关置信度决定，最终分类器的预测应用归一化指数函数SoftMax处理后得到的最大[0009]在一个实施例中，每个样本的对比损失其中，间的余弦相似度，P(i)是选定的锚点样本的正样本数量，IP(i)是与选定的锚点样本属于同6发明产品使用时惯常摆放的方位或位置关系，仅是为了便于简化描述本发明，而不是明示明确记载各个步骤必须按顺序进行，排除了各步骤进行顺序变换的，否则无法实现相应的发明目的除外，都视为了描述的简便性，说明书仅以各种实施方式中选取最优或较优的为例进行说明。的特征可以明示或隐含和至少一个该技术特征。在本发明可能为了便于说明，出现对技术发明整体构思和发明目的不相悖的都应包括在内，除有明确说明必须以所述的量词限定才他理解时不能实现相应的功能或效果外，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。[0019]本发明如有涉及的控制器、控制电路是本领域技术人员7态周期和行走速度的CSI，有助于解决特定子域内人体步态的不一致性。在每个训练迭代[0025]在强数据增强方法的帮助下，所述CDCL模型获得如图1所示的源域表示和目标域表示。所述CDCL模型计算这些表示的余弦相似度以构建用于对比学习使用的3个亲和力矩8i和j分别表示M**中的行和列的索引，r是一选定的锚点样本的正样本数量，IP(i)l是与选定的锚点样本属于同一类别的正样本集合。[0028]在模型训练的初始阶段

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论