摘要
本研究提出了一种融合线性判别分析（Linear Discriminant Analysis, LDA）与多层感知机（Multilayer Perceptron, MLP）的混合特征提取方法，旨在解决智能手机用户行为识别中特征向量维度高及分类精度不足的挑战。为进一步提升分类准确性，引入采用随机梯度下降（Stochastic Gradient Descent, SGD）优化的支持向量机（Support Vector Machine, SVM）进行模型优化。LDA作为一种统计分析工具，用于构建新的特征空间以实现数据投影，有效增强类别间的可分性，并提升测试样本的标签预测能力。所提出的LMSS方法在UCI-HAR数据集上进行了评估，并与当前最先进的模型进行了对比。实验结果表明，该方法在该数据集上的表现优于现有最佳方法，取得了99.52%的准确率（accuracy）、99.55%的精确率（precision）、99.53%的召回率（recall）以及99.54%的F1分数（F1-score），充分验证了该方法在高精度行为分类任务中的有效性。