论文部分内容阅读
如今，随着社会的发展，老年人独居现象也越来越普遍，而跌倒会对独居老年人造成伤害，并且大部分时候跌倒并不会立即造成严重损伤，而是由于老人跌倒后得不到救助而产生的心理压力，加上其他的一些环境因素才导致严重后果。因此及时检测老年人的跌倒行为，是老年人跌倒检测系统的主要目标。跌倒检测算法是老年人跌倒检测系统中的核心部分，现阶段对于跌倒检测算法的研究，主要是基于人体加速度数据并采用数据挖掘的方法进行跌倒检测，但是却忽略了一个十分重要的事实，那就是跌倒检测算法的代价敏感度问题，因为一次跌倒行为的漏报和一次非跌倒行为的误判，两者所可能带来的风险是相差巨大的。为了解决这些问题，并系统的对跌倒检测算法进行处理，本文的主要工作和成果如下所示：1.对老年人跌倒检测系统及算法的进行充分调研，总结其特点与不足，并提出了跌倒检测算法的一个共同问题——没有考虑其代价敏感度问题。2.在当前学者所采用的跌倒检测算法的输入特征基础上，提出了自己的，从滑动窗口抽取离散特征的方法，并用聚合以及分裂的实验方法，得到最终的最优离散特征组合。3.针对跌倒检测算法，采用了多种常见的、经典的数据挖掘算法模型进行实验，采用概率输出的SVM方法来作为跌倒检测算法的分类模型，以进行进一步的代价敏感度分析。4.针对以前对于跌倒检测算法研究中代价敏感度问题，首次将代价敏感度分析应用到跌倒检测算法中，提出针对单个待分类样本的最小风险贝叶斯方法，以及针对总体风险的Neyman-Pearson方法的总体风险最小化决策规则。5.为了解决代价敏感度分析后的算法整体正确率偏低的问题，提出后检验的方法，来进一步提高算法的正确率，并在实际人体行为数据集上实验，证明其有效性。