資源描述：
《基于機(jī)器學(xué)習(xí)算法的摔倒檢測(cè)和日常行為識(shí)別研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、學(xué)校代碼：10255學(xué)號(hào)：2131540東華大學(xué)基于機(jī)器學(xué)習(xí)算法的摔倒檢測(cè)和日常行為識(shí)別研究RESEARCHONFALLINGDETECTIONANDDAILYACTIVITIESRECOGNITIONBASEDONMACHINELEARNINGALGORITHM學(xué)科專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)作者：彭英力指導(dǎo)教師：孫莉答辯日期：2016年1月2015年12月東華大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：我恪守學(xué)術(shù)道德，崇尚嚴(yán)謹(jǐn)學(xué)風(fēng)。所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已明確注明和引用的內(nèi)容外，本論文不
2、包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的作品及成果的內(nèi)容。論文為本人親自撰寫，我對(duì)所寫的內(nèi)容負(fù)責(zé)，并完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：日期：年月日東華大學(xué)學(xué)位論文版權(quán)使用授權(quán)書學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱或借閱。本人授權(quán)東華大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。保密□，在年解密后適用本版權(quán)書。本學(xué)位論文屬于不保密□。學(xué)位論文作者簽名：
3、指導(dǎo)教師簽名：日期：年月日日期：年月日基于機(jī)器學(xué)習(xí)算法的摔倒檢測(cè)和日常行為識(shí)別研究摘要隨著人口老齡化現(xiàn)象的不斷加劇，同時(shí)由于家庭和社會(huì)的諸多因素，越來越多的老年人不得不選擇獨(dú)居，社會(huì)因此給這類人群下了一個(gè)新的定義，稱作“空巢老人”，指的是那些沒有子女照顧、單獨(dú)居住的老年群體?；谝陨锨闆r，日常生活中的摔倒事件逐漸變成威脅老年人生命的重要因素之一。這是老年人必須接受的、不得不面對(duì)的事實(shí)，更是整個(gè)社會(huì)需要警醒的、急需幫助老年人解決的問題。使用傳感器似乎可以幫助老人檢測(cè)到這類問題，但“摔倒”是一剎那的動(dòng)作，非加速度傳感器幾乎捕捉不到；同
4、時(shí)，該行為非常容易和其他動(dòng)作混淆，造成錯(cuò)判。本文綜合考慮“摔倒”特性和機(jī)器學(xué)習(xí)算法的配合，對(duì)摔倒檢測(cè)和行為識(shí)別同時(shí)作了研究，為老人的日常行為做全方位的把控。本文使用三種已有的機(jī)器學(xué)習(xí)算法，針對(duì)由可穿戴傳感器采集的用戶日常行為數(shù)據(jù)，進(jìn)行試探性的訓(xùn)練和測(cè)試。三類機(jī)器學(xué)習(xí)算法分別是支持向量機(jī)、后向傳播神經(jīng)網(wǎng)絡(luò)和隱藏馬爾可夫模型，用戶日常行為數(shù)據(jù)共有11類，包括走路、摔倒、坐下、躺下、坐著、躺著等姿勢(shì)。針對(duì)三類方法得到的不同分類結(jié)果，從準(zhǔn)確度、運(yùn)行速度、時(shí)間復(fù)雜度等角度進(jìn)行精準(zhǔn)分析，并對(duì)其低準(zhǔn)確度作了進(jìn)一步研究。I通過低準(zhǔn)確度分析，本文提
5、出了一種新的學(xué)習(xí)方法，可以對(duì)連續(xù)的數(shù)據(jù)集進(jìn)行精準(zhǔn)分類。主要的思想是結(jié)合兩類已有的機(jī)器學(xué)習(xí)算法，通過首輪的訓(xùn)練得到第一批結(jié)果，通過分析結(jié)果判斷輸出狀態(tài)中相互混淆的分類，從而將混淆分類劃到不同組別分別處理，即進(jìn)入第二輪訓(xùn)練。實(shí)驗(yàn)證明，新的學(xué)習(xí)方法，較之已有的三類學(xué)習(xí)算法，能夠極大地提高摔倒檢測(cè)和人類日常行為的識(shí)別精度,平均識(shí)別精度大于90%，比原有的平均結(jié)果提高近40%。同時(shí)本文整合以上方法，將其規(guī)整為一套訓(xùn)練和應(yīng)用方法，不僅包括訓(xùn)練數(shù)據(jù)、獲取分類器部分，還包括應(yīng)用分類器的算法應(yīng)用部分（HCA算法），使新方法具有普遍性。關(guān)鍵詞：日常行
6、為可穿戴傳感器支持向量機(jī)神經(jīng)網(wǎng)絡(luò)隱藏馬爾可夫模型IIRESEARCHONFALLINGDETECTIONANDDAILYACTIVITIESRECOGNITIONBASEDONMACHINELEARNINGALGORITHMABSTRACTWiththegrowingphenomenonofanagingpopulation,anincreasingnumberofolderpeoplearelivingalonefordomesticandsocialreasons.Basedonthisfact,fallingaccident
7、sbecomeoneofthemostimportantfactorsinthreateningthelivesoftheelderly.Therefore,itisnecessarytosetupanapplicationtodetectthedailyactivitiesoftheelderly.Itistheproblemthattheelderlyhavetobefacedwithandthesocietyhastodealwith.Usingsensorsseemstobecapableofhandlingthesepr
8、oblems,however,fallingdetectionisdifficulttorecognizebecausethe“falling”motionisaninstantaneousmotionandeasytoconfusewithoth
