基于PSO模式搜索的跌倒检测算法研究

发布时间：2021-12-25 02:11

　　针对粒子群算法存在后期趋同性严重、收敛速度缓慢以及易陷入局部极小点等缺点,将模式搜索算法引入粒子群算法,对支持向量机参数进行优化,应用于跌倒检测中。首先,使用穿戴式设备收集跌倒检测数据集,将初始数据进行均值滤波以消除噪声的影响;然后,提取滤波后的数据特征,将提取的多维数据使用奇异值分解算法进行降维;最后,降维后的数据将用来检验粒子群模式搜索算法的优劣。通过与支持向量机算法和支持向量机算法加粒子群算法进行对比,粒子群模式搜索算法在跌倒检测中的特异性和灵敏度都得到了提高。 

【文章来源】：计算机应用研究. 2020,37(04)北大核心CSCD

【文章页数】：4 页

【参考文献】：
期刊论文
[1]基于可穿戴设备的跌倒检测算法综述[J]. 忽丽莎,王素贞,陈益强,高晨龙,胡春雨,蒋鑫龙,陈振宇,高兴宇.  浙江大学学报(工学版). 2018(09)
[2]穿戴式跌倒检测中特征向量的提取和降维研究[J]. 李雷,张帆,施化吉,周从华.  计算机应用研究. 2019(01)
[3]红外图像中基于多特征提取的跌倒检测算法研究[J]. 杨任兵,程文播,钱庆,章强,钱俊,潘宇骏.  红外技术. 2017(12)
[4]基于人体姿态的PSO-SVM特征向量跌倒检测方法[J]. 麻文刚,王小鹏,吴作鹏.  传感技术学报. 2017(10)
[5]基于卡尔曼滤波与k-NN算法的可穿戴跌倒检测技术研究[J]. 何坚,周明我,王晓懿.  电子与信息学报. 2017(11)
[6]基于支持向量机的跌倒检测算法研究[J]. 裴利然,姜萍萍,颜国正.  光学精密工程. 2017(01)
[7]基于SVD特征降维和支持向量机的跌倒检测算法[J]. 白勇,孙晓雯,秦昉,孙子文.  计算机应用与软件. 2017(01)
[8]基于阈值与PSO-SVM的人体跌倒检测研究[J]. 孙晓雯,孙子文,秦昉.  计算机工程. 2016(05)
[9]基于Kinect体感传感器的老年人跌倒自动检测[J]. 瞿畅,孙杰,王君泽,朱小龙.  传感技术学报. 2016(03)
[10]基于三轴加速度传感器的人体跌倒检测系统设计与实现[J]. 王荣,章韵,陈建新.  计算机应用. 2012(05)

硕士论文
[1]基于多传感融合的老人跌倒检测算法研究[D]. 屠碧琪.浙江理工大学 2017
[2]跌倒检测关键技术研究[D]. 宋佳花.山东大学 2017



本文编号：3551605