针对实时场景意识的人类活动识别的深层异质对比超图学习
发表于: 。本研究针对人类活动识别中活动的共现性及传感器信号的上下文变化问题,提出了一种深层异质对比超图学习框架(DHC-HGL)。该方法通过构建三种不同类型的子超图,结合定制的超图卷积层和对比损失函数,显著提升了模型在多标签分类任务中的表现,评估结果表明,其在Matthews相关系数和Macro F1得分上超过了最先进的基线模型5.8%至16.7%。
本研究针对人类活动识别中活动的共现性及传感器信号的上下文变化问题,提出了一种深层异质对比超图学习框架(DHC-HGL)。该方法通过构建三种不同类型的子超图,结合定制的超图卷积层和对比损失函数,显著提升了模型在多标签分类任务中的表现,评估结果表明,其在Matthews相关系数和Macro F1得分上超过了最先进的基线模型5.8%至16.7%。