静息状态下运动能耗级别预测模型

发布时间：2021-10-20 20:52

　　对于一些特殊人群（如重症病人、新生儿等）,监控和了解他们静息状态下的能耗级别具有重大意义。文章提出了一种通过分析人体生理体征（如心率、呼吸率等）预测人体静息状态下能耗级别的方法。首先,通过电子设备收集人体静息状态下的生理体征及能耗,建立人体生理体征与身体能耗数据集;其次,根据人体能耗级别,使用机器学习的方法,训练一个可以预测人体静息状态下能耗级别的多标签判别模型;最后,通过得到的模型判定人体在各种静息状态下的能耗级别。实验结果表明,提出的模型可以有效判定人体的能耗级别。 

【文章来源】：廊坊师范学院学报(自然科学版). 2020,20(02)

【文章页数】：6 页

【文章目录】：
0 引言
1 人体静息状态下能耗数据集及能耗级别分类
2 能耗判别模型
    2.1 NB模型
    2.2 SVM模型
    2.3 RF模型
    2.4 XGBoost模型
3 实验设置与结果分析
    3.1 实验设置
    3.2 实验结果分析
4 结论


【参考文献】：
期刊论文
[1]基于SMOTE的机器学习算法准确度影响研究[J]. 沈锐.  廊坊师范学院学报(自然科学版). 2019(04)
[2]基于加速度传感器的人体能耗检测系统的设计研究[J]. 刘鹏.  电子设计工程. 2018(19)
[3]智能手机内置加速度传感器监测走跑运动能量消耗的研究[J]. 陈庆果,袁川,范江江,陈恩格.  首都体育学院学报. 2018(05)
[4]基于三轴加速度传感器的大学生体力活动能量消耗模型研究[J]. 吴廉卿,刘丹松,屈萍.  武汉体育学院学报. 2018(04)
[5]运动性猝死的病理机制及预防措施[J]. 孙卓.  体育科技文献通报. 2017(10)
[6]全民健身中的安全性思考[J]. 周小丹.  体育文化导刊. 2017(01)
[7]ActiGraph加速度计测量走、跑运动时基本参数特征及与能耗的相关性研究[J]. 王道,刘欣,江崇民,徐亮亮,王欢,王晶晶,王静.  体育科学. 2014(12)
[8]基于Android和GPS轨迹记录和能耗测算研究[J]. 沈程,谭海波,许金林.  计算机技术与发展. 2013(11)
[9]改进的朴素贝叶斯聚类Web文本分类挖掘技术[J]. 高胜利.  廊坊师范学院学报(自然科学版). 2012(03)

硕士论文
[1]可穿戴式运动负荷监测技术的研究[D]. 郭晓光.中北大学 2016



本文编号：3447584