本文關(guān)鍵詞：具有摔倒報(bào)警與跟蹤定位功能的腕表式智能系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國(guó)人口老齡化趨勢(shì)的加快,我國(guó)老齡化進(jìn)程正在加劇。老人年由于自身原因更容易摔倒并且產(chǎn)生嚴(yán)重的傷害。國(guó)內(nèi)外對(duì)老年人摔倒模型的建立還沒(méi)有一種成熟的方法,識(shí)別設(shè)備的使用也比較復(fù)雜。如何采用有效的模式識(shí)別方法檢測(cè)老年人的摔倒已成為人工智能領(lǐng)域的研究熱點(diǎn)。對(duì)這個(gè)問(wèn)題的探討具有較高的研究?jī)r(jià)值及應(yīng)用意義。支持向量機(jī)(SVM)針對(duì)小樣本分類問(wèn)題所表現(xiàn)出來(lái)的優(yōu)異性能引起了相關(guān)研究人員的注意。老人的摔倒事件本身是一件小概率事件,所以使用SVM識(shí)別老人的摔倒問(wèn)題是小樣本事件在具體應(yīng)用中很好的體現(xiàn)。粗糙單類支持向量機(jī)(ROCSVM)是SVM中一類重要的算法,該算法在異常點(diǎn)檢測(cè)等方面表現(xiàn)出了令人欣喜的性能。由于ROCSVM訓(xùn)練集只有正類樣本,因此充分挖掘和利用訓(xùn)練樣本的分類特征對(duì)于提高ROCSVM的分類性能有重要意義。本文在以上背景和基本理論知識(shí)下,針對(duì)實(shí)際問(wèn)題,即針對(duì)人體摔倒的識(shí)別問(wèn)題,對(duì)ROCSVM中的核函數(shù)構(gòu)建進(jìn)行研究。本文的主要工作如下:1.本文對(duì)SVM以及核函數(shù)方法的理論知識(shí)進(jìn)行了梳理和探討。在對(duì)SVM算法分析的基礎(chǔ)上,作者了解到經(jīng)典SVM二分類的局限性。在分析ROCSVM的時(shí)候發(fā)現(xiàn),由于該類SVM只有一類訓(xùn)練樣本,選擇合適的核函數(shù)將會(huì)對(duì)分類性能有著較大的影響。2.針對(duì)ROCSVM訓(xùn)練樣本只有正類樣本的特性,提出了一種基于訓(xùn)練樣本分類特征貢獻(xiàn)度的加權(quán)高斯核函數(shù)(λ-RBF)。所提出的核函數(shù)更適用于ROCSVM。經(jīng)過(guò)仿真數(shù)據(jù)實(shí)驗(yàn)與標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)實(shí)驗(yàn)對(duì)比證明優(yōu)化后的ROCSVM的識(shí)別效果更好。3.根據(jù)提出的基于λ-RBF的ROCSVM,設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)操作簡(jiǎn)單、識(shí)別效果好的具有摔倒報(bào)警與跟蹤定位功能的腕表式智能系統(tǒng)。該系統(tǒng)由腕表系統(tǒng)和服務(wù)器端系統(tǒng)兩部分構(gòu)成。腕表佩戴于人體的手腕部位,系統(tǒng)啟動(dòng)后可以實(shí)時(shí)獲取佩戴者的地理位置信息和加速度數(shù)據(jù)。系統(tǒng)利用本文提出的摔倒識(shí)別算法對(duì)采集到的加速度數(shù)據(jù)進(jìn)行訓(xùn)練和識(shí)別,然后將識(shí)別結(jié)果通過(guò)通信模塊發(fā)送到服務(wù)端系統(tǒng)和監(jiān)護(hù)人手機(jī)。服務(wù)端系統(tǒng)實(shí)時(shí)監(jiān)控佩戴者的狀態(tài),并將接收到的佩戴者狀態(tài)信息存儲(chǔ)到數(shù)據(jù)庫(kù)。如果接收到佩戴者的摔倒信息,服務(wù)端系統(tǒng)將會(huì)發(fā)出報(bào)警信息�；讦�-RBF的ROCSVM的摔倒識(shí)別系統(tǒng)具有佩戴方便和隱私保護(hù)的新特性,這是以往的監(jiān)護(hù)設(shè)備所不具有的,也是人體摔倒識(shí)別領(lǐng)域的一種新的嘗試和突破,有廣闊的前景和推廣價(jià)值。
【關(guān)鍵詞】：摔倒識(shí)別 粗糙集 單類支持向量機(jī) 異常檢測(cè) 核函數(shù)
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP368.33
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-12
• 1.1 課題的背景及其意義7-8
• 1.2 國(guó)內(nèi)外的研究現(xiàn)狀8-10
• 1.3 本文工作及組織結(jié)構(gòu)10-12
• 1.3.1 本文所做的工作與創(chuàng)新點(diǎn)10
• 1.3.2 本文的組織結(jié)構(gòu)10-12
• 第二章 支持向量機(jī)簡(jiǎn)介12-22
• 2.1 支持向量機(jī)的發(fā)展12-13
• 2.2 支持向量機(jī)分類原理13-15
• 2.3 單類支持向量機(jī)15-21
• 2.3.1 單類支持向量機(jī)簡(jiǎn)介15-16
• 2.3.2 粗糙集理論介紹16-17
• 2.3.3 粗糙單類支持向量機(jī)17-21
• 2.4 本章小結(jié)21-22
• 第三章 核方法22-30
• 3.1 核方法簡(jiǎn)介22-23
• 3.2 核函數(shù)的選擇23-26
• 3.3 核函數(shù)的構(gòu)建26-29
• 3.3.1 基于特征變換的核函數(shù)構(gòu)建26-28
• 3.3.2 利用核函數(shù)的性質(zhì)進(jìn)行構(gòu)建28
• 3.3.3 結(jié)合相關(guān)領(lǐng)域知識(shí)進(jìn)行構(gòu)建28-29
• 3.4 本章小結(jié)29-30
• 第四章 基于特征貢獻(xiàn)度加權(quán)高斯核函數(shù)的粗糙單類支持向量機(jī)30-41
• 4.1 主成分分析30-35
• 4.1.1 主成分的基本理論30-34
• 4.1.2 樣本主成分的選取34-35
• 4.2 基于特征貢獻(xiàn)度的加權(quán)高斯核函數(shù)35-37
• 4.3 仿真數(shù)據(jù)實(shí)驗(yàn)及分析37-38
• 4.4 UCI標(biāo)準(zhǔn)數(shù)據(jù)實(shí)驗(yàn)及分析38-40
• 4.5 本章小結(jié)40-41
• 第五章 λ-RBF ROCSVM在腕表式智能系統(tǒng)中的應(yīng)用41-53
• 5.1 加速度樣本信息的采集41-42
• 5.2 摔倒過(guò)程識(shí)別原理42-44
• 5.3 系統(tǒng)的硬件結(jié)構(gòu)44-45
• 5.4 系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)45-52
• 5.4.1 腕表端模塊設(shè)計(jì)與實(shí)現(xiàn)46-48
• 5.4.2 服務(wù)端模塊設(shè)計(jì)與實(shí)現(xiàn)48-52
• 5.5 本章小結(jié)52-53
• 第六章 主要結(jié)論與展望53-55
• 6.1 本文工作總結(jié)53
• 6.2 展望53-55
• 致謝55-56
• 參考文獻(xiàn)56-60
• 附錄: 作者在攻讀碩士學(xué)位期間發(fā)表的論文60

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 王磊;楊一帆;周啟海;;粗糙one-class支持向量機(jī)[J];計(jì)算機(jī)科學(xué);2009年09期

2 陳濤;;基于動(dòng)態(tài)粗糙集約簡(jiǎn)的選擇性支持向量機(jī)集成[J];計(jì)算機(jī)仿真;2012年06期

3 樓俊鋼;蔣云良;申情;江建慧;;軟件可靠性預(yù)測(cè)中不同核函數(shù)的預(yù)測(cè)能力評(píng)估[J];計(jì)算機(jī)學(xué)報(bào);2013年06期

4 蕭嶸 ,王繼成 ,孫正興 ,張福炎;一種SVM增量學(xué)習(xí)算法α-ISVM[J];軟件學(xué)報(bào);2001年12期

5 張 莉,周偉達(dá),焦李成;一類新的支撐矢量機(jī)核[J];軟件學(xué)報(bào);2002年04期

6 王曉明;王士同;;支撐向量數(shù)據(jù)域描述優(yōu)化問(wèn)題最優(yōu)解理論分析[J];軟件學(xué)報(bào);2011年07期

7 張宏莉;魯剛;;分類不平衡協(xié)議流的機(jī)器學(xué)習(xí)算法評(píng)估與比較[J];軟件學(xué)報(bào);2012年06期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 佟麗娜;基于力學(xué)量信息獲取系統(tǒng)的人體摔倒過(guò)程識(shí)別方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 趙之光;基于SVM的雙足機(jī)器人步態(tài)自學(xué)習(xí)控制方法[D];廣東工業(yè)大學(xué);2012年

  本文關(guān)鍵詞：具有摔倒報(bào)警與跟蹤定位功能的腕表式智能系統(tǒng)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：284426