發(fā)布時間：2021-12-25 02:11

　　針對粒子群算法存在后期趨同性嚴(yán)重、收斂速度緩慢以及易陷入局部極小點等缺點,將模式搜索算法引入粒子群算法,對支持向量機參數(shù)進(jìn)行優(yōu)化,應(yīng)用于跌倒檢測中。首先,使用穿戴式設(shè)備收集跌倒檢測數(shù)據(jù)集,將初始數(shù)據(jù)進(jìn)行均值濾波以消除噪聲的影響;然后,提取濾波后的數(shù)據(jù)特征,將提取的多維數(shù)據(jù)使用奇異值分解算法進(jìn)行降維;最后,降維后的數(shù)據(jù)將用來檢驗粒子群模式搜索算法的優(yōu)劣。通過與支持向量機算法和支持向量機算法加粒子群算法進(jìn)行對比,粒子群模式搜索算法在跌倒檢測中的特異性和靈敏度都得到了提高。 

【文章來源】：計算機應(yīng)用研究. 2020,37(04)北大核心CSCD

【文章頁數(shù)】：4 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于可穿戴設(shè)備的跌倒檢測算法綜述[J]. 忽麗莎,王素貞,陳益強,高晨龍,胡春雨,蔣鑫龍,陳振宇,高興宇.  浙江大學(xué)學(xué)報(工學(xué)版). 2018(09)
[2]穿戴式跌倒檢測中特征向量的提取和降維研究[J]. 李雷,張帆,施化吉,周從華.  計算機應(yīng)用研究. 2019(01)
[3]紅外圖像中基于多特征提取的跌倒檢測算法研究[J]. 楊任兵,程文播,錢慶,章強,錢俊,潘宇駿.  紅外技術(shù). 2017(12)
[4]基于人體姿態(tài)的PSO-SVM特征向量跌倒檢測方法[J]. 麻文剛,王小鵬,吳作鵬.  傳感技術(shù)學(xué)報. 2017(10)
[5]基于卡爾曼濾波與k-NN算法的可穿戴跌倒檢測技術(shù)研究[J]. 何堅,周明我,王曉懿.  電子與信息學(xué)報. 2017(11)
[6]基于支持向量機的跌倒檢測算法研究[J]. 裴利然,姜萍萍,顏國正.  光學(xué)精密工程. 2017(01)
[7]基于SVD特征降維和支持向量機的跌倒檢測算法[J]. 白勇,孫曉雯,秦昉,孫子文.  計算機應(yīng)用與軟件. 2017(01)
[8]基于閾值與PSO-SVM的人體跌倒檢測研究[J]. 孫曉雯,孫子文,秦昉.  計算機工程. 2016(05)
[9]基于Kinect體感傳感器的老年人跌倒自動檢測[J]. 瞿暢,孫杰,王君澤,朱小龍.  傳感技術(shù)學(xué)報. 2016(03)
[10]基于三軸加速度傳感器的人體跌倒檢測系統(tǒng)設(shè)計與實現(xiàn)[J]. 王榮,章韻,陳建新.  計算機應(yīng)用. 2012(05)

碩士論文
[1]基于多傳感融合的老人跌倒檢測算法研究[D]. 屠碧琪.浙江理工大學(xué) 2017
[2]跌倒檢測關(guān)鍵技術(shù)研究[D]. 宋佳花.山東大學(xué) 2017



本文編號：3551605