《基于支持向量机的跌倒检测算法研究》PDF+DOC
作者:裴利然,姜萍萍,颜国正
单位:中国科学院长春光机所;中国仪器仪表学会
出版:《光学精密工程》2017年第01期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFGXJM2017010240
DOC编号:DOCGXJM2017010249
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于惯性传感器的穿戴式跌倒检测系统设计》PDF+DOC 蒋宁,杜玉晓
《基于加速度特征的人体跌倒检测算法》PDF+DOC2015年第01期 高晓娟,徐光辉,张欢,薛文生
《基于多传感器数据融合的跌倒检测算法》PDF+DOC2016年第05期 李坤,姜萍萍,颜国正
《Android跌倒检测系统的实现》PDF+DOC2016年第17期 李美惠
《基于大数据平台的人体跌倒检测研究》PDF+DOC2017年第06期 张帆
《基于惯性传感器的跌倒检测技术研究进展》PDF+DOC 韩召
《基于人体姿态的PSO-SVM特征向量跌倒检测方法》PDF+DOC2017年第10期 麻文刚,王小鹏,吴作鹏
《关于人工神经网络在智能传感器中的应用研究》PDF+DOC2002年第03期 翁桂荣
《基于最小二乘支持向量机的振动传感器故障诊断》PDF+DOC2009年第05期 高杨,史丽萍,吴旭东,张增生,温泉
《基于粒子群优化结合最小二乘支持向量机的气体传感器建模》PDF+DOC2013年第S1期 杜康,许军,张耀辉,魏子杰
实时跌倒检测能有效降低老人因跌倒导致的身心伤害,提高老人的独居能力和健康水平。为提高基于惯性传感器的跌倒检测系统的准确率,降低系统误报率和漏报率,提出了应用基于径向基函数的支持向量机算法实现跌倒判定。首先,应用佩戴在人体腰间的便携式跌倒检测系统完成数据的采集;然后,利用基于径向基函数(RBF)的SVM分类器标记疑似跌倒行为,并利用粒子群算法完成分类算法中惩罚因子C和RBF参数g的优化。结果表明,在区分跌倒与类似跌倒的日常活动时,基于SVM算法的跌倒检测系统准确率、误报率和漏报率分别为97.67%,4.0%和0.67%。与传统的阈值方法相比,跌倒检测性能有很大提高,从而加强了该系统在老人跌倒检测中的应用。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。