Current Location:home > Detailed Browse

Article Detail

穿戴式跌倒检测中特征向量的提取和降维研究

Submit Time: 2018-05-20
Author: 李雷 1 ; 张帆 1 ; 施化吉 1 ; 周从华 1 ;
Institute: 1.江苏大学 计算机科学与通信工程学院;

Abstracts

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,然后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。
Download Comment From cooperative journals:《计算机应用研究》 Hits:1030 Downloads:581
Journal:计算机应用研究
Recommended references: 李雷,张帆,施化吉,周从华.(2018).穿戴式跌倒检测中特征向量的提取和降维研究.计算机应用研究.[ChinaXiv:201805.00222] (Click&Copy)
Version History
[V1] 2018-05-20 10:29:44 chinaXiv:201805.00222V1 Download
Related Paper

Download

Current Browse

Cross Subject Browse

  • - NO