【摘要】：近年來,老年人口數(shù)量逐年增加,人口老齡化趨勢更加明顯,隨之而來的老年人監(jiān)護問題就亟需解決,然而以醫(yī)院和養(yǎng)老院為主的養(yǎng)老服務占用了有限的醫(yī)療資源,且護理費用開銷巨大。顯然,提高居家健康監(jiān)護效率和合理配置有限的醫(yī)療資源需要借助先進的物聯(lián)網(wǎng)技術。以物聯(lián)網(wǎng)為依托,利用可穿戴設備對老年人在日常生活數(shù)據(jù)進行采集,跟蹤和判斷身體狀態(tài)的變化,及時發(fā)現(xiàn)不良趨勢,并采取相應的治療措施,形成閉環(huán)反饋健康服務。這項技術能夠有效地解決日益突出的老人健康監(jiān)護問題,具有非常重要的理論和實際意義。本文主要采用極限學習機分類方法對UCI機器學習數(shù)據(jù)庫中的人體行為數(shù)據(jù)進行人體行為識別和醫(yī)療數(shù)據(jù)進行疾病診斷,還將分類方法用于對其它流行的數(shù)據(jù)集進行分類。此外,本文采用了啟發(fā)式搜索策略、隨機搜索策略分別和封裝式策略相結(jié)合的特征選擇方法對一些冗余特征或噪聲數(shù)據(jù)進行了處理。主要的研究內(nèi)容包括:分析了極限學習機分類原理;提出了一種結(jié)合極限學習機的混合特征選擇方法,實現(xiàn)了對精簡數(shù)據(jù)的精準分類;改進了人工蜂群算法的搜索策略和解初始化方法,并將改進的蜂群算法在標準測試函數(shù)進行了測試,結(jié)果顯示改進后的算法在精度和收斂速度上有明顯的提高;改進后的多目標人工蜂群算法優(yōu)化ELM分類器模型的參數(shù)和特征向量同時進行,實現(xiàn)了對數(shù)據(jù)有效分類,結(jié)果表明算法有很好的泛化能力。
【圖文】：

6圖 2.1 極限學習機結(jié)構(gòu)圖，，該結(jié)構(gòu)圖有輸入網(wǎng)絡層、隱含間分別通過輸入、輸出權重實現(xiàn)全對應輸入n個神經(jīng)元；通常設置隱本種類數(shù)目m ，即輸出層網(wǎng)絡含有出層節(jié)點的預測輸出為[0,0, 1 ,q 習機分類表達式為：2 2min11 1|| ||2 2NiiL C== β + ζ,2, , N。其中，1 2[ , , , i i i ζ = ζ ζ ζ

設置數(shù)據(jù)描述驗混合特征選擇方法的效果和極限學習機的分類性能，本章仿真CI 機器學習數(shù)據(jù)庫[58]。考慮數(shù)據(jù)集中樣本容量、屬性數(shù)目、類別數(shù)目有大到小，分類個數(shù)有二分類和多分類，特征個數(shù)也有多到學習數(shù)據(jù)庫中的 Banknote、WDBC、 Wine、 Dermatology、Iris、tlog heart、老年人行為檢測 HAR 八個數(shù)據(jù)集。鈔票鑒別數(shù)據(jù)集（Bation）數(shù)據(jù)是從圖像中提取出來的，這些圖像是為評估認證程序而拍威斯康星州乳腺癌診斷數(shù)據(jù)庫；Dermatology 數(shù)據(jù)集的目的是確定型；Wine 數(shù)據(jù)集用化學分析法測定葡萄酒的適口性；Iris 是一種Breast Tissue 為新切除的乳腺組織樣品的數(shù)據(jù)集。Statlog heart 數(shù)數(shù)據(jù)庫。HAR 數(shù)據(jù)集，使用無電池可穿戴傳感器數(shù)據(jù)對健康老14 名 66 至 86 歲健康老年人的連續(xù)運動數(shù)據(jù)使用無電池、可穿
【學位授予單位】：中原工學院
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP181

【相似文獻】

相關期刊論文 前10條

1 張紅濤,胡玉霞,邱道尹;遺傳算法在儲糧害蟲特征選擇中的應用[J];華北水利水電學院學報;2004年03期

2 徐雷;閻平凡;常迥;;用于特征選擇的BF算法及其與B&B算法的比較[J];自動化學報;1988年05期

3 楊錦英;王碧泉;;K—W檢驗和熵法在單個特征選擇中的應用[J];華北地震科學;1989年02期

4 陳晉蘇;特征選擇在電信行業(yè)客戶流失分析中的應用[J];科技資訊;2005年22期

5 范勁松,方廷健;特征選擇和提取要素的分析及其評價[J];計算機工程與應用;2001年13期

6 江乃雄;蔡民;;綜合距離特征選擇問題解的存在性與唯一性[J];計算機應用與軟件;1992年01期

7 錢學雙;多重篩選逐步回歸特征選擇法及其應用[J];信息與控制;1986年05期

8 趙帥;張雁;徐海峰;;基于成對約束分的特征選擇及穩(wěn)定性評價[J];計算機與數(shù)字工程;2019年06期

9 余勝龍;趙紅;;基于樣本鄰域保持的代價敏感特征選擇[J];數(shù)據(jù)采集與處理;2018年02期

10 杜政霖;李云;;基于特征聚類集成技術的在線特征選擇[J];計算機應用;2017年03期

相關會議論文 前10條

1 史彩娟;沙宇陽;劉健;閆曉東;劉利平;;基于自適應半監(jiān)督稀疏特征選擇的圖像標注[A];第十屆全國信號和智能信息處理與應用學術會議專刊[C];2016年

2 劉培磊;李滿生;王挺;;蛋白質(zhì)相互作用有向關系抽取的特征選擇[A];第五屆全國信息檢索學術會議論文集[C];2009年

3 袁帥;楊宏暉;申f;;基于云模型的特征評價準則[A];第三屆上�！靼猜晫W學會學術會議論文集[C];2013年

4 申f;楊宏暉;袁帥;;用于水聲目標識別的互信息無監(jiān)督特征選擇[A];第三屆上�！靼猜晫W學會學術會議論文集[C];2013年

5 李澤輝;聶生東;陳兆學;;應用多類SVM分割MR腦圖像特征選擇與優(yōu)化的實驗研究[A];中國儀器儀表學會第九屆青年學術會議論文集[C];2007年

6 李娜;曾向陽;;目標識別中的樣本選擇和特征選擇聯(lián)合算法研究[A];2009年西安-上海聲學學術會議論文集[C];2009年

7 宋鵬;鄭文明;趙力;;基于子空間學習和特征選擇融合的語音情感識別[A];第十四屆全國人機語音通訊學術會議（NCMMSC’2017）論文集[C];2017年

8 臧淼;徐惠民;張永梅;;基于局部約束和稀疏編碼的自動圖像標注[A];國防光電子論壇第二屆激光雷達成像探測技術及應用研討會論文集[C];2015年

9 俞士汶;王治敏;朱學鋒;;文學語言與自然語言理解研究[A];中文信息處理前沿進展——中國中文信息學會二十五周年學術會議論文集[C];2006年

10 薛富強;葛臨東;陳麗;;新的改進遺傳算法用于調(diào)制信號特征選擇[A];無線傳感器網(wǎng)及網(wǎng)絡信息處理技術——2006年通信理論與信號處理年會論文集[C];2006年

相關重要報紙文章 前7條

1 本報記者 李振輝;根據(jù)自身特征選擇健身方式[N];廣東科技報;2008年

2 海通證券 婁靜邋吳先興;把握風險收益特征選擇最適合自己的基金[N];上海證券報;2007年

3 鐵嶺市第二高中 高軍;讓學生“動”起來[N];鐵嶺日報;2005年

4 鄭衛(wèi)東;高產(chǎn)鵝選種方法和標準[N];中國畜牧獸醫(yī)報;2007年

5 《網(wǎng)絡世界》記者 周源;云平臺,只選對的[N];網(wǎng)絡世界;2012年

6 鄭軍;高產(chǎn)鵝選種方法和標準[N];河南科技報;2016年

7 記者 丁寧;2012年,我們一起“追”的創(chuàng)新產(chǎn)品[N];上海證券報;2012年

相關博士學位論文 前10條

1 Reehan Ali Shah;基于稀疏模型組合的網(wǎng)絡入侵分類[D];浙江大學;2019年

2 袁明冬;基于圖的特征提取和特征選擇及其應用研究[D];西安電子科技大學;2017年

3 胡小娟;基于特征選擇的文本分類方法研究[D];吉林大學;2018年

4 任宇林;結(jié)構(gòu)化預測中N元特征選擇算法的研究[D];華中科技大學;2018年

5 滕旭陽;面向特征選擇問題的優(yōu)化方法研究[D];哈爾濱工程大學;2017年

6 張麗新;高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學習研究[D];清華大學;2004年

7 高青斌;蛋白質(zhì)亞細胞定位預測相關問題研究[D];國防科學技術大學;2006年

8 劉風;基于磁共振成像的多變量模式分析方法學與應用研究[D];電子科技大學;2014年

9 馮國忠;文本分類中的貝葉斯特征選擇[D];東北師范大學;2011年

10 梁建寧;特征選擇與圖像匹配[D];復旦大學;2011年

相關碩士學位論文 前10條

1 馬必煥;一種多任務特征選擇金字塔及其在電力設備檢測的應用[D];浙江大學;2019年

2 朱強;基于BDE-MICI的無監(jiān)督特征選擇的研究[D];蘭州大學;2019年

3 熊雅麗;鄉(xiāng)土地理資源在高中地理教學中的應用現(xiàn)狀及有效性研究[D];廣西師范大學;2019年

4 王中穎;一個蘇北縣域的疾病救治研究（1959～1962年）[D];華東師范大學;2019年

5 侯宇亮;基于極限學習機的分類方法研究及應用[D];中原工學院;2019年

6 Wei Wang;P值的不穩(wěn)定性與其他因素對統(tǒng)計特征選擇的影響[D];天津大學;2018年

7 游仁春;基于特征選擇聚類和張量分析的碳纖維增強復合材料超聲缺陷識別[D];廈門大學;2017年

8 閆文凱;基于特征選擇的致病SNP識別方法研究[D];南京農(nóng)業(yè)大學;2017年

9 周至;復雜環(huán)境下無人工干預的室內(nèi)定位算法研究[D];南京大學;2019年

10 任秀偉;基于嵌入式稀疏特征選擇策略的降維算法研究[D];湖北工業(yè)大學;2018年

本文編號：2633425