论文部分内容阅读
随着社会经济不断发展,医疗保障体系逐渐完善,人们的生活水平也随之提高,人口老龄化将成为我国社会发展的必然趋势。从宏观层面来看,不断加快的老龄化进程给国家和社会带来了巨大的压力。从微观层面来看,老有所养与医养分离在一定程度上造成了老年人看病难、养护难等一系列矛盾和问题。目前很多老年人的居住环境、居住条件以及配套的服务设施都存在较大的隐患,而且相关法规和政策的缺乏,都无法很好的满足老年人自我实现的需要。快速的老龄化加上日益普遍的“空巢”现象,使得养老问题已经演变为一种迫切需要解决的社会问题,也逐渐成为社会各界关心的焦点问题。本文主要通过对智能养老院智能设备管控以及老年人跌倒检测这两方面的分析,结合深度学习相关技术,提出了对于老年人由表及里的一整套管控检测流程。本文研究内容对于深度BP神经网络在老年人辅助管控领域的应用具有重要的参考意义和科研价值。本文研究严格按照老年人体征及身体状态进行数据模拟,从实际应用与科研意义出发,对于老年人所接触的智能设备的自主管控及老年人意外跌倒检测这两方面所使用的关键技术进行了深入研究。本文的主要研究内容与创新点为:(1)结合栈式自编码器与深度BP神经网络相关技术,在现有的研究基础上,选择更加具有针对性的智能设备数据管控方法;(2)根据智能养老院特有的监测数据与智能设备状态来使用适合的数据提取方法,建立了智能设备管控模型。(3)使用自编码器相关技术对模型隐藏层参数进行无监督预训练,以得到数据样本更为抽象的特征,可有效缓解存在于深度神经网络中的梯度弥散问题。(4)在老年人室内跌倒检测研究中创新性的提出使用核主成分分析的方法来对挖掘出的特征进行降维处理。(5)对集成传感器获取到的原始信号进行小波阈值降噪处理,使得获取到的人体动作特征更易于分析研究。实验结果表明,本文所使用的方法对于智能养老院智能设备管控的准确率达到99.74%以及对于室内老年人意外跌倒检测的灵敏度达到99.21%、特异性达到99.87%。