人口老齡化是諸多社會(huì)發(fā)展進(jìn)程中不可回避的問(wèn)題,中國(guó)人口眾多,區(qū)域、城鄉(xiāng)發(fā)展不平衡,要使得大多數(shù)老年人能夠老有所養(yǎng)、老有所依,需要全社會(huì)共同為之努力。開發(fā)面向老年人的服務(wù),就務(wù)必要求開發(fā)者站在老年人的立場(chǎng)思考。因此本文第二章對(duì)智慧養(yǎng)老社區(qū)的構(gòu)建內(nèi)容做出了詳盡的分析和總結(jié),從分析老年人需求出發(fā),對(duì)基本生活需求、健康養(yǎng)護(hù)需求等做出規(guī)范和確定。在此基礎(chǔ)上,通過(guò)情景規(guī)劃的方法,整理出系統(tǒng)的智慧養(yǎng)老社區(qū)模型,并確定模型要解決的問(wèn)題,即對(duì)象的“位置”和“情形”。社區(qū)作為老年人日常起居的場(chǎng)所,多數(shù)區(qū)域需要采取保密措施,因此本文研究?jī)?nèi)容不涉及視頻和圖像技術(shù)。對(duì)于獲取位置的需求,本文第三章設(shè)計(jì)了面向社區(qū)生活老年人的室內(nèi)定位系統(tǒng),系統(tǒng)采用指紋數(shù)據(jù)庫(kù)定位方法,在容易被忽視的指紋庫(kù)選取和建立環(huán)節(jié),創(chuàng)新性的引入密度峰值聚類算法,在分類定位過(guò)程中,采用隨機(jī)森林算法估計(jì)待定位點(diǎn)的位置信息,并使用自主采集和網(wǎng)絡(luò)獲取的兩組實(shí)驗(yàn)數(shù)據(jù),多維度的比較了本文方法和以往方法的性能差異。位置的有效獲取,使得其他基于位置的多樣化服務(wù)可以有效開展,因此在本文各類系統(tǒng)中,定位系統(tǒng)具有首要性和基礎(chǔ)性地位。老年人行動(dòng)能力、反應(yīng)能力的下降,使得... 

【文章來(lái)源】：浙江農(nóng)林大學(xué)浙江省

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Dataset1數(shù)據(jù)采集套件和實(shí)驗(yàn)布局圖

位 -58.00 -65.00 -61.00 -64.00 -59.00 -7位 -54.00 -61.00 -56.00 -59.00 -54.00 -6值 -53.88 -60.54 -56.29 -57.30 -53.75 -6位 -50.00 -56.00 -51.00 -51.00 -48.00 -5值 -35.00 -40.00 -31.00 -26.00 -25.00 -3 指紋數(shù)據(jù)庫(kù)用 2.3.1 節(jié)所提出的指紋庫(kù)構(gòu)建算法對(duì)兩組實(shí)驗(yàn)數(shù)據(jù)分別建立指紋數(shù)據(jù)庫(kù)ataset1 的指紋庫(kù)建立過(guò)程中，有 3 個(gè)信號(hào)發(fā)射點(diǎn)的數(shù)據(jù)被記錄，樣本數(shù)據(jù)) ( ) ( ))，其中 。在數(shù)據(jù)集 Dataset2 中，有 6 個(gè)信號(hào)發(fā)射點(diǎn),樣本格式為( ( ) ( ) ( ) ( ) ( ) ( ))，其中 。如圖兩組數(shù)據(jù)集的指紋庫(kù)存放在 MySQL 中的情形，Dataset1 有 ma、mb、m8據(jù)，Dataset2 有 mc0、mc6、m81、m8a、m8d、m90 六個(gè)特征的數(shù)據(jù)訓(xùn)練集具有相同的格式。

三維數(shù)據(jù)人體行為標(biāo)簽（跌倒或未跌倒）格式化有標(biāo)簽的檢測(cè)數(shù)據(jù)老年人跌倒檢測(cè)模型跌倒檢測(cè)決策等比例抽取準(zhǔn)確率評(píng)估識(shí)別機(jī)內(nèi)置傳感器標(biāo)簽記錄圖 4.1 老年人跌倒檢測(cè)實(shí)現(xiàn)過(guò)程Figure4.1 Elderly fall detection process.3 跌倒檢測(cè)數(shù)據(jù)獲取源跌倒檢測(cè)分析數(shù)據(jù)通過(guò)智能手機(jī)內(nèi)置傳感器采集得到。使用的手機(jī)型號(hào)為一加手，記錄數(shù)據(jù)的 APP 為 Sense-it，如圖 4.2-(a)所示。數(shù)據(jù)采集過(guò)程中記錄了普通加速感器、陀螺儀（角速度傳感器）和線性加速度傳感器的三類數(shù)據(jù)。普通加速度傳感錄了包含重力的三軸加速度數(shù)據(jù)，產(chǎn)品型號(hào)為意法半導(dǎo)體 LIS3DSH，如圖 4.2-(b；陀螺儀記錄了三軸旋轉(zhuǎn)角速度數(shù)據(jù)，產(chǎn)品型號(hào)為意法半導(dǎo)體 L3GD20，如圖 4.2示；線性加速度傳感器記錄了不包含重力的三軸加速度數(shù)據(jù)，產(chǎn)品型號(hào)為博世半導(dǎo)MA250，如圖 4.2-(d)所示。

【參考文獻(xiàn)】：
期刊論文
[1]社區(qū)智能養(yǎng)老服務(wù)系統(tǒng)的構(gòu)建[J]. 馬云超.  西安財(cái)經(jīng)學(xué)院學(xué)報(bào). 2017(01)
[2]基于物聯(lián)網(wǎng)的智慧養(yǎng)老社區(qū)系統(tǒng)[J]. 屈巍,矯培艷,李暉.  沈陽(yáng)師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[3]基于大數(shù)據(jù)的“醫(yī)療-養(yǎng)老-保險(xiǎn)”一體化智慧社區(qū)養(yǎng)老模式構(gòu)建[J]. 郝麗,張偉健.  中國(guó)老年學(xué)雜志. 2017(01)
[4]無(wú)縫線性回歸與預(yù)測(cè)模型[J]. 王苗苗,李博峰.  測(cè)繪學(xué)報(bào). 2016(12)
[5]改進(jìn)粒子群算法優(yōu)化的支持向量機(jī)及其應(yīng)用[J]. 王振武,孫佳駿,尹成峰.  哈爾濱工程大學(xué)學(xué)報(bào). 2016(12)
[6]基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)偽最近鄰分類[J]. 曾勇,舒歡,胡江平,葛月月.  電子與信息學(xué)報(bào). 2016(11)
[7]一種基于關(guān)聯(lián)信息熵度量的特征選擇方法[J]. 董紅斌,滕旭陽(yáng),楊雪.  計(jì)算機(jī)研究與發(fā)展. 2016(08)
[8]基于粒化-融合的海量高維數(shù)據(jù)特征選擇算法[J]. 冀素琴,石洪波,呂亞麗,郭珉.  模式識(shí)別與人工智能. 2016(07)
[9]面向大數(shù)據(jù)分析的決策樹算法[J]. 張棪,曹健.  計(jì)算機(jī)科學(xué). 2016(S1)
[10]基于閾值與PSO-SVM的人體跌倒檢測(cè)研究[J]. 孫曉雯,孫子文,秦昉.  計(jì)算機(jī)工程. 2016(05)

博士論文
[1]多模態(tài)人體行為識(shí)別技術(shù)研究[D]. 馮銀付.浙江大學(xué) 2015



本文編號(hào)：3296832