摔倒检测中的样本失衡问题研究

• 作者: 赵中堂 陈继光 马倩
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 摔倒检测 行为识别 普适计算 迁移学习 机器学习 不均衡学习
• 年，卷（期）: 2017,（23）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 142-146
• 页数: 5页
• 分类号: TP393
• 字数: 4451字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1605-0315

摘要

由于真实的摔倒数据难以获得,导致采集到的正常行为和摔倒行为样本比例严重失衡,从而基于此数据集训练的常规摔倒检测模型的漏警率和误警率都较高,不能满足实际的需求.针对该问题,提出一种基于样本加权极速学习机的摔倒检测方法,该方法综合考虑不同种类行为样本之间的比例关系,分别赋予其一定的权值,能较好地解决样本失衡问题.基于真实行为数据的实验结果表明,和传统非加权的行为识别方法相比较,基于样本加权极速学习机的摔倒检测方法能够将识别模型的性能提高10%左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马倩	郑州航空工业管理学院管理工程学院	13	34	3.0	5.0
2	赵中堂	郑州航空工业管理学院计算机学院	24	57	5.0	7.0
6	陈继光	郑州航空工业管理学院计算机学院	6	5	2.0	2.0