原文服务方: 计算机应用研究       
摘要:
针对粒子群算法存在后期趋同性严重、收敛速度缓慢以及易陷入局部极小点等缺点,将模式搜索算法引入粒子群算法,对支持向量机参数进行优化,应用于跌倒检测中.首先,使用穿戴式设备收集跌倒检测数据集,将初始数据进行均值滤波以消除噪声的影响;然后,提取滤波后的数据特征,将提取的多维数据使用奇异值分解算法进行降维;最后,降维后的数据将用来检验粒子群模式搜索算法的优劣.通过与支持向量机算法和支持向量机算法加粒子群算法进行对比,粒子群模式搜索算法在跌倒检测中的特异性和灵敏度都得到了提高.
推荐文章
基于加速度特征的人体跌倒检测算法
加速度传感器
跌倒检测
阈值
加速度分量分析
融合有效约束OBB和PSO的碰撞检测算法研究
有效约束的OBB
快速寻优
线性不等式组
PSO
矩阵降维
碰撞检测
基于随机森林的跌倒检测算法研究
跌倒检测
随机森林
滑动时间窗
高斯滤波
基于PSO?BP神经网络的短期负荷预测算法
短期负荷预测
BP神经网络
粒子群算法
零相滤波器
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于PSO模式搜索的跌倒检测算法研究
来源期刊 计算机应用研究 学科
关键词 跌倒检测 粒子群算法 模式搜索 降维 支持向量机
年,卷(期) 2020,(4) 所属期刊栏目 算法研究探讨
研究方向 页码范围 1077-1080
页数 4页 分类号 TP393
字数 语种 中文
DOI 10.19734/j.issn.1001-3695.2018.09.0747
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 程琳 辽宁工程技术大学电子与信息学院 3 0 0.0 0.0
2 李锋 辽宁工程技术大学电子与信息学院 8 12 2.0 3.0
3 任小奎 辽宁工程技术大学电子与信息学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (110)
共引文献  (99)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(8)
  • 参考文献(0)
  • 二级参考文献(8)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(6)
  • 参考文献(1)
  • 二级参考文献(5)
2012(11)
  • 参考文献(1)
  • 二级参考文献(10)
2013(13)
  • 参考文献(0)
  • 二级参考文献(13)
2014(21)
  • 参考文献(1)
  • 二级参考文献(20)
2015(14)
  • 参考文献(0)
  • 二级参考文献(14)
2016(9)
  • 参考文献(2)
  • 二级参考文献(7)
2017(15)
  • 参考文献(7)
  • 二级参考文献(8)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
跌倒检测
粒子群算法
模式搜索
降维
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导