穿戴式跌倒检测中特征向量的提取和降维研究

• 作者: 周从华 张帆 施化吉 李雷
• 来源期刊: 计算机应用研究
• 关键词: 跌倒检测 特征向量 核主成分分析 降维
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 103-105,114
• 页数: 4页
• 分类号: TP391|TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.07.0674

摘要

穿戴式跌倒检测中老年人特征属性过多会造成维数灾难,影响后续跌倒检测精度.针对此问题,首先采用时域分析法提取初始特征向量集,用提出的改进核主成分分析算法(IKPCA)对特征向量进行降维,从而获得优质的特征向量集,使得后续的分类具有更好的效果.IKPCA算法首先利用I-RELIEF算法对初始特征向量集进行特征选择,然后计算跌倒特征向量的信息度量和相似度度量;最后根据跌倒特征向量的相似度度量剔除无效的跌倒特征向量.IKPCA算法不但保持核主成分分析算法(KPCA)较好的降维能力,而且扩充了较好的分类能力.利用真实的数据集进行实验,对比分析表明,相比其他算法,IKPCA算法能够得到更优质的特征向量数据集.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施化吉	江苏大学计算机科学与通信工程学院	83	692	15.0	21.0
2	周从华	江苏大学计算机科学与通信工程学院	46	193	7.0	11.0
3	张帆	江苏大学计算机科学与通信工程学院	32	128	6.0	10.0
4	李雷	江苏大学计算机科学与通信工程学院	14	63	6.0	7.0