Cross-Scenario Device-Free Activity Recognition Based on Deep Adversarial Networks

试验台 计算机科学 特征(语言学) 无线 人工智能 深度学习 再培训 对抗制 机器学习 计算机网络 电信 语言学 哲学 业务 国际贸易
作者
Jie Wang,Yunong Zhao,Xiaorui Ma,Qinghua Gao,Miao Pan,Hongyu Wang
出处
期刊:IEEE Transactions on Vehicular Technology [Institute of Electrical and Electronics Engineers]
卷期号:69 (5): 5416-5425 被引量:20
标识
DOI:10.1109/tvt.2020.2977973
摘要

Device-free activity recognition (DFAR) is an emerging technique which could infer human activities by analyzing his/her influence on surrounding wireless signals. It may empower wireless networks with the additional sensing ability. Existing studies have achieved reasonable accuracy in a pre-trained scenario. However, due to the feature shift incurred by different radio environments, a system typically achieves poor performance in a new scenario. Generally, retraining a system is laborious or even impossible in practical applications, since we have very few number of or even no labeled training samples in a new scenario. Therefore, how to realize cross-scenario DFAR in an unsupervised manner becomes an urgent problem to solve. To address this challenge, in this paper, we develop a deep learning network to guide the sample features of the target scenario shift to those of the source scenario without using any label information of the target scenario. Specifically, we develop a maximum-minimum adversarial approach to move the target features to the distribution of the source features, and design a center alignment strategy to further shift the target features to the distribution center. Benefit from the shifted features, extensive experimental results on a mmWave testbed demonstrate the effectiveness of the developed framework.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
满意听白完成签到 ,获得积分10
刚刚
摆烂的实验室打工人完成签到,获得积分10
刚刚
田様应助顺利毕业采纳,获得10
1秒前
zeno123456完成签到,获得积分10
1秒前
稗子发布了新的文献求助10
2秒前
meimei完成签到 ,获得积分10
4秒前
vv发布了新的文献求助10
6秒前
稗子完成签到,获得积分10
7秒前
李健的粉丝团团长应助song采纳,获得30
8秒前
jungle完成签到 ,获得积分10
10秒前
我是老大应助炙热晓露采纳,获得10
11秒前
123完成签到 ,获得积分10
12秒前
vv完成签到,获得积分10
12秒前
yygz0703完成签到,获得积分10
13秒前
zyy完成签到,获得积分10
13秒前
yanjiusheng完成签到,获得积分10
16秒前
domkps完成签到 ,获得积分10
17秒前
乐观的涵菱完成签到,获得积分10
17秒前
cctv18应助缥缈傥采纳,获得10
21秒前
所所应助kjding采纳,获得10
22秒前
伞兵一号卢本伟完成签到 ,获得积分10
23秒前
24秒前
plutozstar发布了新的文献求助10
30秒前
31秒前
俊秀的如冰完成签到,获得积分10
32秒前
阳光科研汪完成签到,获得积分10
32秒前
Niya完成签到,获得积分10
34秒前
乘风破浪完成签到,获得积分10
36秒前
Ricky_Ao完成签到,获得积分20
36秒前
36秒前
Ava应助jeffery111采纳,获得10
38秒前
livra1058发布了新的文献求助10
39秒前
moony完成签到 ,获得积分10
43秒前
打打应助健壮的繁星采纳,获得10
43秒前
FashionBoy应助kjding采纳,获得10
44秒前
JIASHOUSHOU完成签到,获得积分10
48秒前
星流xx完成签到 ,获得积分10
49秒前
贺丞完成签到,获得积分10
49秒前
51秒前
顺利萧完成签到,获得积分10
53秒前
高分求助中
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 799
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Livre et militantisme : La Cité éditeur 1958-1967 500
Retention of title in secured transactions law from a creditor's perspective: A comparative analysis of selected (non-)functional approaches 500
高温高压条件下金刚石内部缺陷的形成机制及调控 310
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3060627
求助须知:如何正确求助?哪些是违规求助? 2716084
关于积分的说明 7448016
捐赠科研通 2361978
什么是DOI,文献DOI怎么找? 1251726
科研通“疑难数据库(出版商)”最低求助积分说明 607853
版权声明 596515