跳到正文
原文
arXiv · Signal Processing· Lei Wang
· 22 小时前

超越对齐:白化几何、轮廓合成与异构集成用于跨环境 WiFi 动作识别

Beyond Alignment: Whitening Geometry, Profile Synthesis, and Heterogeneous Ensembles for Cross-Environment WiFi Action Recognition

预印本 · 尚未经过同行评审

AI 导读

跨环境 WiFi 动作识别中,对齐方法反而降低性能,Dec-H 组合白化与异构集成将 K10 准确率提升 15.2 个百分点。

摘要 · AI 翻译

跨环境部署是实用 WiFi 感知的核心障碍:一条在其训练环境中达到 0.89+ top-1 的流水线,在仅有 K-shot 标签的留一域外(LODO)评估下会跌至 0.408。上限分析表明,这种崩塌并非对齐问题:动作信号在已见环境中很强(约 0.89 K10),环境身份可从编码器中解码(0.965),而失败集中在编码器对新环境的推断上。一条预注册的证伪链证实,“对齐域”类方法——训练时对齐、读出层原型对齐、对抗混淆,以及协方差/子空间对齐(CORAL -3.8pp,子空间 -8.3pp)——会降低性能,并且源域统计量与跨环境贡献呈反相关。有效的杠杆在别处;我们将其组合为 Dec-H:(i) 闭式源域类内白化,可证明地重新几何化读出的 L2 正则化(+8.6pp,零成本);(ii) 轮廓混合增强(+1.0pp);(iii) 带交替白化重拟合的少样本适应(+1.5pp;固定预条件器为 20/20 负面);(iv) 异构决策集成(+1.7pp);同构缩放与源加权堆叠已饱和或有害。Dec-H 达到 0.560 K10(0.812 K40),较基线 +15.2pp,在全部四个环境和随机种子上一致;全部十三种配置均以冻结标准预注册。

中文由 AI 翻译,仅供参考,以原文为准。

来源:arXiv · Signal Processing · arxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。