穿戴式跌倒检测中特征向量的提取和降维研究

摘要：

穿戴式跌倒检测中老年人特征属性过多会造成维数灾难,影响后续跌倒检测精度.针对此问题,首先采用时域分析法提取初始特征向量集,用提出的改进核主成分分析算法(IKPCA)对特征向量进行降维,从而获得优质的特征向量集,使得后续的分类具有更好的效果.IKPCA算法首先利用I-RELIEF算法对初始特征向量集进行特征选择,然后计算跌倒特征向量的信息度量和相似度度量;最后根据跌倒特征向量的相似度度量剔除无效的跌倒特征向量.IKPCA算法不但保持核主成分分析算法(KPCA)较好的降维能力,而且扩充了较好的分类能力.利用真实的数据集进行实验,对比分析表明,相比其他算法,IKPCA算法能够得到更优质的特征向量数据集.

关键词：跌倒检测、特征向量、核主成分分析、降维

所属期刊栏目：36

分类号：TP391;TP301.6(计算技术、计算机技术)

资助基金：江苏省六大人才高峰项目2014-WLW-012;江苏省重点研发计划社会发展资助项目BE2016630,BE2015617;无锡市卫计委重点项目Z201603;无锡市科技型中小企业创新基金资助项目WX0301-B010508-160104-PB

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：103-105,114