TY - Jour A2 - LV，建辉奥 - 潘，道瓦·奥 - 刘，洪威奥 - 曲，东明Au - Zhang，Zhan PY - 2020年DA - 2020 / 10/31 Ti-Humal下降检测算法基于多传感器数据融合SVM SP - 8826088 VL - 2020 AB - 堕落是老年人生命中的常见现象，也是老年人严重健康伤害和死亡的10个主要原因之一。为了防止老人下降，可穿戴智能装置上安装了一个实时落后预测系统，可以及时触发警报并降低由跌落引起的意外伤害。目前，基于单传感器数据的大多数算法不能精确描述秋季状态，而基于多传感器数据集成的落后检测算法可以提高预测的灵敏度和特异性。在这项研究中，我们设计了一种基于多传感器数据融合的秋季检测系统，并使用100志愿者模拟下降和日常活动的数据分析跌落的四个阶段。在本文中，使用数据融合方法来提取表示人体加速度和姿势变化的三个特征参数，并且验证了多传感器数据融合算法的有效性。敏感性为96.67％，特异性为97％。发现识别率最高，培训集包含训练集中最多的样本数量。因此，在基于大量有效数据的基础上培训模型后，可以提高其识别能力，并且防止跌跌性可能会逐渐增加。为了比较随机森林和支持向量机（SVM）在可穿戴智能设备的开发中的适用性，分别建立了两个秋季姿势识别模型，比较了模型的训练时间和识别时间。 The results show that SVM is more suitable for the development of wearable intelligent devices. SN - 1574-017X UR - https://doi.org/10.1155/2020/8826088 DO - 10.1155/2020/8826088 JF - Mobile Information Systems PB - Hindawi KW - ER -