【摘要】：由于真實(shí)的摔倒數(shù)據(jù)難以獲得,導(dǎo)致采集到的正常行為和摔倒行為樣本比例嚴(yán)重失衡,從而基于此數(shù)據(jù)集訓(xùn)練的常規(guī)摔倒檢測(cè)模型的漏警率和誤警率都較高,不能滿足實(shí)際的需求。針對(duì)該問(wèn)題,提出一種基于樣本加權(quán)極速學(xué)習(xí)機(jī)的摔倒檢測(cè)方法,該方法綜合考慮不同種類(lèi)行為樣本之間的比例關(guān)系,分別賦予其一定的權(quán)值,能較好地解決樣本失衡問(wèn)題�；谡鎸�(shí)行為數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明,和傳統(tǒng)非加權(quán)的行為識(shí)別方法相比較,基于樣本加權(quán)極速學(xué)習(xí)機(jī)的摔倒檢測(cè)方法能夠?qū)⒆R(shí)別模型的性能提高10%左右。
[Abstract]:Because the true fall data is difficult to obtain, the ratio of normal behavior and fall behavior samples collected is seriously out of balance, thus the false alarm rate and false alarm rate of the conventional fall detection model trained based on this data set are higher. Can not meet the actual needs. In order to solve this problem, this paper presents a fall detection method based on sample weighted extreme speed learning machine. This method considers the proportional relationship among different kinds of behavior samples, and assigns certain weights to them, which can solve the problem of sample imbalance. The experimental results based on real behavior data show that the performance of the recognition model can be improved by about 10% compared with the traditional unweighted behavior recognition method.
【作者單位】： 鄭州航空工業(yè)管理學(xué)院計(jì)算機(jī)學(xué)院;航空經(jīng)濟(jì)發(fā)展河南省協(xié)同創(chuàng)新中心;鄭州航空工業(yè)管理學(xué)院管理工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(No.U1504609) 河南省教育廳重點(diǎn)科研教育計(jì)劃項(xiàng)目(No.15A520003)
【分類(lèi)號(hào)】：TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉相濱,向堅(jiān)持,王勝春;人行為識(shí)別與理解研究探討[J];計(jì)算機(jī)與現(xiàn)代化;2004年12期

2 夏潤(rùn)海,王開(kāi)顏;機(jī)器學(xué)習(xí)與智能決策支持系統(tǒng)[J];濰坊學(xué)院學(xué)報(bào);2003年02期

3 張明玉,倪志偉;基于機(jī)器學(xué)習(xí)的智能決策支持系統(tǒng)[J];淮南師范學(xué)院學(xué)報(bào);2005年03期

4 楊凌霄;武建平;;機(jī)器學(xué)習(xí)方法在人臉檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2008年03期

5 ;第十一屆中國(guó)機(jī)器學(xué)習(xí)會(huì)議[J];智能系統(tǒng)學(xué)報(bào);2008年02期

6 ;第14屆中國(guó)機(jī)器學(xué)習(xí)會(huì)議[J];智能系統(tǒng)學(xué)報(bào);2012年06期

7 費(fèi)宗銘;呂建;王志堅(jiān);陳道蓄;徐家福;;機(jī)器學(xué)習(xí)[J];計(jì)算機(jī)科學(xué);1991年01期

8 趙沁平;魏華;王軍玲;;機(jī)器學(xué)習(xí)技術(shù)與機(jī)器學(xué)習(xí)系統(tǒng)[J];計(jì)算機(jī)科學(xué);1993年05期

9 姚敏;機(jī)器學(xué)習(xí)及其發(fā)展方向[J];計(jì)算機(jī)時(shí)代;1994年04期

10 ;第31屆機(jī)器學(xué)習(xí)國(guó)際會(huì)議(英文)[J];智能系統(tǒng)學(xué)報(bào);2014年01期

相關(guān)會(huì)議論文 前10條

1 王玨;;歸納機(jī)器學(xué)習(xí)[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

2 方帥;曹洋;王浩;;視頻監(jiān)控中的行為識(shí)別[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

3 吳滄浦;;智能系統(tǒng)與機(jī)器學(xué)習(xí)的新領(lǐng)域[A];西部大開(kāi)發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

4 周晴杰;徐立鴻;吳啟迪;;機(jī)器學(xué)習(xí)串級(jí)結(jié)構(gòu)的初步探討[A];1998年中國(guó)控制會(huì)議論文集[C];1998年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機(jī)器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識(shí)別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

6 蔡健平;林世平;;基于機(jī)器學(xué)習(xí)的詞語(yǔ)和句子極性分析[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

7 黃金鐵;李景銀;周建常;;對(duì)高爐爐況評(píng)價(jià)模型參數(shù)的機(jī)器學(xué)習(xí)——一個(gè)三類(lèi)線性模式分類(lèi)器的實(shí)現(xiàn)[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

8 程國(guó)建;蔡磊;潘華賢;;核向量機(jī)在大規(guī)模機(jī)器學(xué)習(xí)中的應(yīng)用[A];第十一屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2009年

9 王忠民;曹棟;;坐標(biāo)轉(zhuǎn)換在移動(dòng)用戶行為識(shí)別中的應(yīng)用研究[A];2013年全國(guó)通信軟件學(xué)術(shù)會(huì)議論文集[C];2013年

10 張鈸;張鈴;;統(tǒng)計(jì)學(xué)習(xí)理論及其應(yīng)用[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

相關(guān)重要報(bào)紙文章 前6條

1 IBM大數(shù)據(jù)專(zhuān)家 James Kobielus　范范 編譯;機(jī)器學(xué)習(xí)已成為大數(shù)據(jù)基石[N];網(wǎng)絡(luò)世界;2014年

2 本報(bào)記者 房琳琳;合久必分：分布式“機(jī)器學(xué)習(xí)”應(yīng)運(yùn)而生[N];科技日?qǐng)?bào);2014年

3 雨辰;機(jī)器學(xué)習(xí)類(lèi)圖書(shū)為什么火爆[N];中華讀書(shū)報(bào);2014年

4 東林;行為識(shí)別新技術(shù)讓監(jiān)控沒(méi)有“死角”[N];人民公安報(bào);2007年

5 本報(bào)記者 余建斌;機(jī)器學(xué)習(xí)與互聯(lián)網(wǎng)搜索[N];人民日?qǐng)?bào);2011年

6 記者　 彭德倩;機(jī)器學(xué)習(xí)精度提升近6個(gè)百分點(diǎn)[N];解放日?qǐng)?bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 劉艷秋;舍飼環(huán)境下母羊產(chǎn)前典型行為識(shí)別方法研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2017年

2 董春茹;機(jī)器學(xué)習(xí)中的權(quán)重學(xué)習(xí)與差分演化[D];華南理工大學(xué);2015年

3 姚明臣;機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中的若干問(wèn)題研究[D];大連理工大學(xué);2016年

4 杜宇;基于深度機(jī)器學(xué)習(xí)的體態(tài)與手勢(shì)感知計(jì)算關(guān)鍵技術(shù)研究[D];浙江大學(xué);2017年

5 鐘錦紅;群智學(xué)習(xí)若干問(wèn)題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

6 趙東;基于群智能優(yōu)化的機(jī)器學(xué)習(xí)方法研究及應(yīng)用[D];吉林大學(xué);2017年

7 趙玉鵬;機(jī)器學(xué)習(xí)的哲學(xué)探索[D];大連理工大學(xué);2010年

8 胡巍;面向格結(jié)構(gòu)的機(jī)器學(xué)習(xí)[D];上海交通大學(xué);2009年

9 張義榮;基于機(jī)器學(xué)習(xí)的入侵檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

10 錢(qián)線;快速精確的結(jié)構(gòu)化機(jī)器學(xué)習(xí)方法研究[D];復(fù)旦大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 胡秋揚(yáng);可穿戴式個(gè)人室內(nèi)位置和行為監(jiān)測(cè)系統(tǒng)[D];浙江大學(xué);2015年

2 王呈;穿戴式多傳感器人體日常活動(dòng)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

3 張偉;智能空間下基于非視覺(jué)傳感器數(shù)據(jù)的人體行為識(shí)別方法研究[D];山東大學(xué);2015年

4 茹晨光;基于傳感器的人體行為識(shí)別技術(shù)研究[D];浙江大學(xué);2016年

5 楊璐璐;基于可穿戴式傳感網(wǎng)絡(luò)的人體異常行為識(shí)別[D];南京郵電大學(xué);2015年

6 魏燁;基于智能手機(jī)傳感器的無(wú)監(jiān)督行為識(shí)別研究[D];蘭州大學(xué);2016年

7 鐘君;基于加速度傳感器的日常行為識(shí)別的特征提取方法研究[D];蘭州大學(xué);2016年

8 李陽(yáng)陽(yáng);基于深度信念網(wǎng)絡(luò)的行為識(shí)別方法研究[D];華南理工大學(xué);2016年

9 伍俊杰;基于智能手機(jī)多傳感器的非特定人行為識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2016年

10 錢(qián)坤;基于多傳感器節(jié)點(diǎn)的人體動(dòng)作識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2016年

，

本文編號(hào)：2280568