基于机器学习算法的摔倒检测和日常行为识别研究

发布时间：2017-06-21 12:01

  本文关键词：基于机器学习算法的摔倒检测和日常行为识别研究，由笔耕文化传播整理发布。

【摘要】：随着人口老龄化现象的不断加剧,同时由于家庭和社会的诸多因素,越来越多的老年人不得不选择独居,社会因此给这类人群下了一个新的定义,称作“空巢老人”,指的是那些没有子女照顾、单独居住的老年群体。基于以上情况,日常生活中的摔倒事件逐渐变成威胁老年人生命的重要因素之一。这是老年人必须接受的、不得不面对的事实,更是整个社会需要警醒的、急需帮助老年人解决的问题。使用传感器似乎可以帮助老人检测到这类问题,但“摔倒”是一刹那的动作,非加速度传感器几乎捕捉不到;同时,该行为非常容易和其他动作混淆,造成错判。本文综合考虑“摔倒”特性和机器学习算法的配合,对摔倒检测和行为识别同时作了研究,为老人的日常行为做全方位的把控。本文使用三种已有的机器学习算法,针对由可穿戴传感器采集的用户日常行为数据,进行试探性的训练和测试。三类机器学习算法分别是支持向量机、后向传播神经网络和隐藏马尔可夫模型,用户日常行为数据共有11类,包括走路、摔倒、坐下、躺下、坐着、躺着等姿势。针对三类方法得到的不同分类结果,从准确度、运行速度、时间复杂度等角度进行精准分析,并对其低准确度作了进一步研究。通过低准确度分析,本文提出了一种新的学习方法,可以对连续的数据集进行精准分类。主要的思想是结合两类已有的机器学习算法,通过首轮的训练得到第一批结果,通过分析结果判断输出状态中相互混淆的分类,从而将混淆分类划到不同组别分别处理,即进入第二轮训练。实验证明,新的学习方法,较之已有的三类学习算法,能够极大地提高摔倒检测和人类日常行为的识别精度,平均识别精度大于90%,比原有的平均结果提高近40%。同时本文整合以上方法,将其规整为一套训练和应用方法,不仅包括训练数据、获取分类器部分,还包括应用分类器的算法应用部分(HCA算法),使新方法具有普遍性。
【关键词】：日常行为 可穿戴传感器 支持向量机 神经网络 隐藏马尔可夫模型
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 符号说明10-11
• 第一章 绪论11-15
• 1.1 研究背景和意义11-12
• 1.2 课题研究现状12-13
• 1.3 本文主要内容13-14
• 1.4 本文组织结构14-15
• 第二章 相关技术和方法15-25
• 2.1 机器学习15-16
• 2.1.1 监督学习15-16
• 2.1.2 无监督学习16
• 2.2 人工神经网络16-19
• 2.2.1 BP神经网络的主要步骤17-19
• 2.3 梯度下降算法19
• 2.4 支持向量机19-20
• 2.5 隐藏马尔可夫模型20-21
• 2.6 径向基函数21
• 2.7 其他技术方法21-22
• 2.8 本文方法论22-24
• 2.9 本章小结24-25
• 第三章 系统设计与实现25-37
• 3.1 输入数据描述25-28
• 3.2 属性加速度的建立28-29
• 3.3 数据预处理29-32
• 3.4 后向传播神经网络32-33
• 3.4.1 不同层的数量32-33
• 3.4.2 激活函数的选取33
• 3.5 支持向量机33-34
• 3.5.1 核函数的选取33
• 3.5.2 LibSVM的实现33-34
• 3.6 隐藏马尔可夫模型34-36
• 3.7 本章小结36-37
• 第四章 训练结果和方法改进37-50
• 4.1 BP神经网络37-39
• 4.2 支持向量机39-40
• 4.3 隐藏马尔可夫模型40
• 4.4 三种方法的比较与分析40-42
• 4.5 新方法的提出42-46
• 4.6 通用性扩展46-49
• 4.7 本章小结49-50
• 第五章 总结与展望50-52
• 5.1 总结50-51
• 5.2 伦理思考51
• 5.3 展望51-52
• 参考文献52-54
• 附录54-58
• 攻读硕士学位期间取得的研究成果58-59
• 致谢59

【相似文献】

中国期刊全文数据库 前10条

1 辛宪会;叶秋果;滕惠忠;郭思海;李军;张靓;韩晓宏;;小样本机器学习算法的特性分析与应用[J];海洋测绘;2007年03期

2 何清;李宁;罗文娟;史忠植;;大数据下的机器学习算法综述[J];模式识别与人工智能;2014年04期

3 王继成;基于认知模拟的自适应机器学习算法研究[J];软件学报;2001年08期

4 刘永定;阳爱民;周序生;邹豪杰;;使用机器学习算法分类P2P流量的方法[J];计算机应用研究;2009年09期

5 吴秀清,韩彬斌;基于Bayes算法的Web网页识别[J];计算机工程;2000年03期

6 陶卿;姚穗;范劲松;方廷健;;一种新的机器学习算法:Support Vector Machines[J];模式识别与人工智能;2000年03期

7 A N.Meltzoff;P K.Kuhl;J Movellan;T J.Sejnowski;冯锐;缪茜惠;;新学习科学的基础[J];远程教育杂志;2011年01期

8 张宏莉;鲁刚;;分类不平衡协议流的机器学习算法评估与比较[J];软件学报;2012年06期

9 张栋;柯长青;余瞰;;机器学习算法在ALOS影像分类中的应用研究[J];遥感信息;2010年03期

10 杨树仁;沈洪远;;基于相关向量机的机器学习算法研究与应用[J];计算技术与自动化;2010年01期

中国重要会议论文全文数据库 前1条

1 何晏成;关毅;岳淑珍;;一个基于免疫机制的在线机器学习算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

中国硕士学位论文全文数据库 前6条

1 张春迎;机器学习算法在不同领域数据分析中的应用[D];天津大学;2014年

2 张泽;机器学习算法及其工程应用研究[D];天津大学;2012年

3 班瑞;基于语义Web的机器学习算法研究与应用[D];南京理工大学;2006年

4 张予焓;产品评价对象的提取与分析[D];北京邮电大学;2010年

5 刘永定;基于机器学习算法的P2P流量分类研究[D];湖南工业大学;2009年

6 刘金克;基于机器学习算法的隐喻识别研究[D];南京师范大学;2011年

  本文关键词：基于机器学习算法的摔倒检测和日常行为识别研究，由笔耕文化传播整理发布。

，

本文编号：468550