摘要：目前已有的視頻異常行為檢測(cè)學(xué)習(xí)模型在訓(xùn)練過程中忽略了訓(xùn)練集中存在的不平衡類現(xiàn)象,造成模型偏向于多數(shù)正常類,減弱了少數(shù)異常類的識(shí)別能力。提出基于欠采樣方法的不平衡類深度森林算法(IMDF),該算法首先采用欠采樣方法構(gòu)建正例和負(fù)例數(shù)量均衡的訓(xùn)練集分組,在每個(gè)分組上訓(xùn)練決策樹。然后集成各組決策樹為完全隨機(jī)森林,將隨機(jī)森林預(yù)測(cè)結(jié)果合并后輸入至下一層神經(jīng)網(wǎng)絡(luò),建立深度森林級(jí)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)。最后將IMDF應(yīng)用于視頻異常行為檢測(cè)中,在UMN和UCSD數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明IMDF算法具有較好地處理不平衡分類的能力,能夠有效檢測(cè)視頻異常行為。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
