《基于RBF神经网络的跌倒检测算法研究》PDF+DOC
作者:王晓雷,李栋豪,郑晓婉,娄泰山,丁国强,焦玉召,赵红梅
单位:中国电子学会
出版:《电子测量与仪器学报》2019年第11期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFDZIY2019110270
DOC编号:DOCDZIY2019110279
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于支持向量机的跌倒检测算法研究》PDF+DOC2017年第01期 裴利然,姜萍萍,颜国正
《两轮自平衡车姿态检测数据融合优化算法》PDF+DOC2020年第21期 朱慧
《基于手机惯性传感器与多特征CNN的驾驶行为识别算法》PDF+DOC2019年第03期 谢非,汪壬甲,沈世斌,孙蕊,张斌,刘锡祥
《围栏的人类活动识别优化算法》PDF+DOC2019年第01期 胡科路,王营冠
《基于AABC-BP算法的红外气体传感器温度补偿》PDF+DOC2018年第10期 李成兵,毛熙皓
《基于径向基函数神经网络的航向角精确测量》PDF+DOC2005年第02期 祖莉,王华坤,岳峰
《霍尔传感器检测电动机电流的误差补偿》PDF+DOC2003年第12期 李祖林
《改进的动态最近邻聚类算法在传感器校正中的应用》PDF+DOC2011年第01期 李文江,程海英,闫孝姮
《RBF神经网络在传感器故障诊断中的应用研究》PDF+DOC2006年第05期 翟卫青,王化冰
《基于传感器阵列的可燃混合气体RBF网络分析》PDF+DOC2013年第03期 刘建国,安振涛,张倩
针对现有跌倒检测方法动作识别效率低、适应性差等问题,提出基于RBF神经网络的跌倒检测方法,通过径向基函数(RBF)判别人体是否处于跌倒状态。分析了人体跌倒和其他日常行为运动特征,对人体的日常行为动作进行分类。利用惯性传感器采集人体运动加速度和角速度,以加速度和角速度组合为运动特征向量,采用RBF神经网络进行训练,构建RBF函数分类器,对人体动作行为进行判别,从而识别人体跌倒状态。实验将人体运动行为分为正常行走、跑步、上下楼梯、前向跌倒、侧向跌倒5类,训练样本采用1 500例,测试样本500例,其中每类动作各包含100例测试样本。结果表明,当RBF模型隐含层数为350时,5类动作的准确率均可达到80%以上,且跌倒检测平均准确率为96%。因此基于RBF神经网络分类的跌倒检测算法能够准确地检测人体跌倒行为。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。