1.一种基于受限玻尔兹曼机的路径点数据行为识别方法,其特征在于:所述识别方法包括以下步骤:(1)对一系列路径点数据进行预处理操作
对于一系列由目标随时序移动产生的路径点集合{xi|i=1,2,3…},使用将其转化为方向向量,然后将方向向量标准化,即对于向量v(x,y)使x2+y2=1;
(2)初始化受限玻尔兹曼机神经网络
设神经网络层数为n,每层的神经元数量为N1,N2,N3…Nn,随机产生[0,1]之间的随机数作为神经网络的连接权值;
(3)将数据输入受限玻尔兹曼机中进行预学习;
首先,训练由第一层和第二层构成的受限玻尔兹曼机网络,即节点数量为N1的可视层,节点数量为N2的隐含层,使用RBM优化方法优化网络权值,并在训练完成后计算网络输出;
然后,使用第二层和第三层构成受限玻尔兹曼机网络,并使用以上计算得到的网络输出作为该神经网络的输出,重复该过程训练除输出层外的所有两层神经网络;
(4)将受限玻尔兹曼机的预学习权重作为多层神经网络权重,使用BP算法进行微调;
(5)使用神经网络判断新的路径点数据;
对新的目标路径点数据进行步骤(1)中的预处理,输入到神经网络中判断,输出目标的行为识别结果。
2.如权利要求1所述的一种基于受限玻尔兹曼机的路径点数据行为识别方法,其特征在于:所述步骤(4)中,将步骤(3)中所有两层网络合并成一个多隐层的神经网络,并使用之前训练得到的权值作为这个新网络的连接权值,使用BP算法微调网络权值,得到目标神经网络。