發(fā)布時間：2018-10-19 07:51

【摘要】：由于真實的摔倒數據難以獲得,導致采集到的正常行為和摔倒行為樣本比例嚴重失衡,從而基于此數據集訓練的常規(guī)摔倒檢測模型的漏警率和誤警率都較高,不能滿足實際的需求。針對該問題,提出一種基于樣本加權極速學習機的摔倒檢測方法,該方法綜合考慮不同種類行為樣本之間的比例關系,分別賦予其一定的權值,能較好地解決樣本失衡問題�；谡鎸嵭袨閿祿膶嶒灲Y果表明,和傳統(tǒng)非加權的行為識別方法相比較,基于樣本加權極速學習機的摔倒檢測方法能夠將識別模型的性能提高10%左右。
[Abstract]:Because the true fall data is difficult to obtain, the ratio of normal behavior and fall behavior samples collected is seriously out of balance, thus the false alarm rate and false alarm rate of the conventional fall detection model trained based on this data set are higher. Can not meet the actual needs. In order to solve this problem, this paper presents a fall detection method based on sample weighted extreme speed learning machine. This method considers the proportional relationship among different kinds of behavior samples, and assigns certain weights to them, which can solve the problem of sample imbalance. The experimental results based on real behavior data show that the performance of the recognition model can be improved by about 10% compared with the traditional unweighted behavior recognition method.
【作者單位】： 鄭州航空工業(yè)管理學院計算機學院;航空經濟發(fā)展河南省協同創(chuàng)新中心;鄭州航空工業(yè)管理學院管理工程學院;
【基金】：國家自然科學基金(No.U1504609) 河南省教育廳重點科研教育計劃項目(No.15A520003)
【分類號】：TP181

【相似文獻】

相關期刊論文 前10條

1 劉相濱,向堅持,王勝春;人行為識別與理解研究探討[J];計算機與現代化;2004年12期

2 夏潤海,王開顏;機器學習與智能決策支持系統(tǒng)[J];濰坊學院學報;2003年02期

3 張明玉,倪志偉;基于機器學習的智能決策支持系統(tǒng)[J];淮南師范學院學報;2005年03期

4 楊凌霄;武建平;;機器學習方法在人臉檢測中的應用[J];計算機與數字工程;2008年03期

5 ;第十一屆中國機器學習會議[J];智能系統(tǒng)學報;2008年02期

6 ;第14屆中國機器學習會議[J];智能系統(tǒng)學報;2012年06期

7 費宗銘;呂建;王志堅;陳道蓄;徐家福;;機器學習[J];計算機科學;1991年01期

8 趙沁平;魏華;王軍玲;;機器學習技術與機器學習系統(tǒng)[J];計算機科學;1993年05期

9 姚敏;機器學習及其發(fā)展方向[J];計算機時代;1994年04期

10 ;第31屆機器學習國際會議(英文)[J];智能系統(tǒng)學報;2014年01期

相關會議論文 前10條

1 王玨;;歸納機器學習[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

2 方帥;曹洋;王浩;;視頻監(jiān)控中的行為識別[A];2007中國控制與決策學術年會論文集[C];2007年

3 吳滄浦;;智能系統(tǒng)與機器學習的新領域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協2000年學術年會文集[C];2000年

4 周晴杰;徐立鴻;吳啟迪;;機器學習串級結構的初步探討[A];1998年中國控制會議論文集[C];1998年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機器學習法相結合的蛋白質名識別[A];大連理工大學生物醫(yī)學工程學術論文集（第2卷）[C];2005年

6 蔡健平;林世平;;基于機器學習的詞語和句子極性分析[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

7 黃金鐵;李景銀;周建常;;對高爐爐況評價模型參數的機器學習——一個三類線性模式分類器的實現[A];1995中國控制與決策學術年會論文集[C];1995年

8 程國建;蔡磊;潘華賢;;核向量機在大規(guī)模機器學習中的應用[A];第十一屆中國青年信息與管理學者大會論文集[C];2009年

9 王忠民;曹棟;;坐標轉換在移動用戶行為識別中的應用研究[A];2013年全國通信軟件學術會議論文集[C];2013年

10 張鈸;張鈴;;統(tǒng)計學習理論及其應用[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

相關重要報紙文章 前6條

1 IBM大數據專家 James Kobielus　范范 編譯;機器學習已成為大數據基石[N];網絡世界;2014年

2 本報記者 房琳琳;合久必分：分布式“機器學習”應運而生[N];科技日報;2014年

3 雨辰;機器學習類圖書為什么火爆[N];中華讀書報;2014年

4 東林;行為識別新技術讓監(jiān)控沒有“死角”[N];人民公安報;2007年

5 本報記者 余建斌;機器學習與互聯網搜索[N];人民日報;2011年

6 記者　 彭德倩;機器學習精度提升近6個百分點[N];解放日報;2006年

相關博士學位論文 前10條

1 劉艷秋;舍飼環(huán)境下母羊產前典型行為識別方法研究[D];內蒙古農業(yè)大學;2017年

2 董春茹;機器學習中的權重學習與差分演化[D];華南理工大學;2015年

3 姚明臣;機器學習和神經網絡學習中的若干問題研究[D];大連理工大學;2016年

4 杜宇;基于深度機器學習的體態(tài)與手勢感知計算關鍵技術研究[D];浙江大學;2017年

5 鐘錦紅;群智學習若干問題研究[D];中國科學技術大學;2017年

6 趙東;基于群智能優(yōu)化的機器學習方法研究及應用[D];吉林大學;2017年

7 趙玉鵬;機器學習的哲學探索[D];大連理工大學;2010年

8 胡巍;面向格結構的機器學習[D];上海交通大學;2009年

9 張義榮;基于機器學習的入侵檢測技術研究[D];國防科學技術大學;2005年

10 錢線;快速精確的結構化機器學習方法研究[D];復旦大學;2010年

相關碩士學位論文 前10條

1 胡秋揚;可穿戴式個人室內位置和行為監(jiān)測系統(tǒng)[D];浙江大學;2015年

2 王呈;穿戴式多傳感器人體日�；顒颖O(jiān)測系統(tǒng)設計與實現[D];南京理工大學;2015年

3 張偉;智能空間下基于非視覺傳感器數據的人體行為識別方法研究[D];山東大學;2015年

4 茹晨光;基于傳感器的人體行為識別技術研究[D];浙江大學;2016年

5 楊璐璐;基于可穿戴式傳感網絡的人體異常行為識別[D];南京郵電大學;2015年

6 魏燁;基于智能手機傳感器的無監(jiān)督行為識別研究[D];蘭州大學;2016年

7 鐘君;基于加速度傳感器的日常行為識別的特征提取方法研究[D];蘭州大學;2016年

8 李陽陽;基于深度信念網絡的行為識別方法研究[D];華南理工大學;2016年

9 伍俊杰;基于智能手機多傳感器的非特定人行為識別方法研究[D];哈爾濱工業(yè)大學;2016年

10 錢坤;基于多傳感器節(jié)點的人體動作識別系統(tǒng)的研究與實現[D];哈爾濱工業(yè)大學;2016年

，

本文編號：2280568