《一种基于CS-SVM的老年人异常步态识别系统》PDF+DOC
作者:王琪,王涛,张硕,陈金环
单位:中国科学院沈阳计算技术研究所
出版:《小型微型计算机系统》2020年第04期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFXXWX2020040370
DOC编号:DOCXXWX2020040379
下载格式:PDF + Word/doc 文字可复制、可编辑
《无线传感器网络故障诊断研究》PDF+DOC2016年第01期 鲁义宽,李波
《粗糙集在无线传感器网络安全中的应用研究》PDF+DOC2015年第07期 陈晶
《基于危险理论的无线传感器网络入侵检测的一种新模型》PDF+DOC2015年第02期 黄干,刘涛
《无线传感器网络数据的个性化加权在线集成学习算法》PDF+DOC2020年第03期 刘伟,王琦,于化龙
《一种基于表面肌电信号及三轴加速度信号的步态识别方法》PDF+DOC2019年第32期 郝静涵,杨鹏,陈玲玲,耿艳利
《基于多分类器融合的步态识别方法》PDF+DOC2019年第03期 郇战,陈学杰,吕士云,耿宏杨
《无线传感器网络中基于网络嵌入的弱贪婪路由协议》PDF+DOC2011年第12期 李志刚,陈卫卫,肖侬,夏戈明
《无线传感器网络中基于神经网络的分布式入侵检测》PDF+DOC2011年第08期 居金娟,徐慧
《基于二进制传感器网络的目标运动方向估计方法》PDF+DOC2010年第11期 邢思锐,邢昌风
《监督学习在无线认知传感器网络中的应用》PDF+DOC2014年第04期 郎为民,陈凯,张国峰
针对老年人异常步态识别问题,提出了一种基于代价敏感支持向量机的步态识别系统.该系统首先对采集到的步态信号使用巴特沃斯带通滤波器进行滤波并使用双树复小波进行步态信号时频特征提取;其次,构造代价敏感支持向量机分类器,以提取的步态信号特征为输入对分类器进行训练;最后,对训练得到的代价敏感支持向量机分类器进行测试.实验结果表明,该分类器能够成功识别跛行、踮脚、震颤、正常四种类型的步态,平均识别率达到95%以上,而普通支持向量机识别率仅为80%左右,可见代价敏感支持向量机分类器的异常步态识别效果要优于普通支持向量机分类器的识别效果,能够实现老年人异常步态的识别,并具有准确性及可靠性。
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。