计算机应用研究

作者：李雷,张帆,施化吉,周从华,

单位：江苏大学计算机科学与通信工程学院,江苏镇江212013；

关键词：跌倒检测,特征向量,核主成分分析,降维,

基金：江苏省六大人才高峰项目(2014-WLW-012)；江苏省重点研发计划(社会发展)资助项目(BE2016630,BE2015617)；无锡市卫计委重点项目(Z201603)；无锡市科技型中小企业创新基金资助项目(WX0301-B010508-160104-PB)；；

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。

来源：2019年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第1期