基于SVD特征降维和支持向量机的跌倒检测算法

• 作者: 孙子文 孙晓雯 白勇 秦防
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 跌倒检测 支持向量机 加速度传感器 奇异值分解
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 算法
• 页码范围: 247-251
• 页数: 5页
• 分类号: TP273
• 字数: 3715字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.01.045

摘要

为减少跌倒对人体造成的伤害,采用一种基于支持向量机的人体跌倒检测方法.利用安置于腰上的手机采集人体运动行为加速度数据,提取对跌倒行为敏感的时域及频域特征,利用奇异值分解方法降维特征和重构跌倒特征,采用支持向量机分类器检测跌倒行为.仿真实验表明:该方法能够有效地识别跌倒和日常行为,具有较高灵敏度和特异度,并可同时提高识别正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙子文	江南大学物联网工程学院	79	462	10.0	18.0
2	白勇		8	67	5.0	8.0
3	孙晓雯	江南大学物联网工程学院	4	50	3.0	4.0
4	秦防	江南大学物联网工程学院	5	12	1.0	3.0