Nâng cao tính ổn định cho mô hình phát hiện ngã của người đi bộ bằng thuật toán tối ưu bầy đàn kết hợp bộ phân lớp rừng ngẫu nhiên

6 8 0
Nâng cao tính ổn định cho mô hình phát hiện ngã của người đi bộ bằng thuật toán tối ưu bầy đàn kết hợp bộ phân lớp rừng ngẫu nhiên

Đang tải... (xem toàn văn)

Thông tin tài liệu

Bài viết này đề xuất một mô hình phát hiện ngã với hiệu suất phát hiện được cải thiện dựa trên các bộ tính năng khác nhau bao gồm bộ tính năng ở miền thời gian, bộ tính năng ở miền tần số và tham số Hjorth. Hơn nữa, nghiên cứu này còn sử dụng thuật toán tối ưu bầy đàn (PSO) để tối ưu hóa các thông số của mô hình phân lớp Rừng ngẫu nhiên (RF) nhằm cải thiện độ chính xác của hệ thống phát hiện ngã.

Ngày đăng: 25/05/2022, 09:20

Hình ảnh liên quan

Bảng 1. So sánh hiệu suất (tính theo %) của một số phương pháp hiện đại trên bộ dữ liệu MobiAct - Nâng cao tính ổn định cho mô hình phát hiện ngã của người đi bộ bằng thuật toán tối ưu bầy đàn kết hợp bộ phân lớp rừng ngẫu nhiên

Bảng 1..

So sánh hiệu suất (tính theo %) của một số phương pháp hiện đại trên bộ dữ liệu MobiAct Xem tại trang 2 của tài liệu.
năng của mô hình trên tập dữ liệu MobiAct. Tuy nhiên, trong nghiên cứu [10] chỉ sử dụng các hành động có tỉ lệ nhận d ạng cao để huấn luyện mô hình - Nâng cao tính ổn định cho mô hình phát hiện ngã của người đi bộ bằng thuật toán tối ưu bầy đàn kết hợp bộ phân lớp rừng ngẫu nhiên

n.

ăng của mô hình trên tập dữ liệu MobiAct. Tuy nhiên, trong nghiên cứu [10] chỉ sử dụng các hành động có tỉ lệ nhận d ạng cao để huấn luyện mô hình Xem tại trang 2 của tài liệu.
Hình 2. Mô hình kết hợp bộ phân lớp RF với thuật toán PSO - Nâng cao tính ổn định cho mô hình phát hiện ngã của người đi bộ bằng thuật toán tối ưu bầy đàn kết hợp bộ phân lớp rừng ngẫu nhiên

Hình 2..

Mô hình kết hợp bộ phân lớp RF với thuật toán PSO Xem tại trang 3 của tài liệu.
Bảng 2. Các tính được sử dụng để xây dựng tập thuộc tính trong đề xuất của chúng tôi - Nâng cao tính ổn định cho mô hình phát hiện ngã của người đi bộ bằng thuật toán tối ưu bầy đàn kết hợp bộ phân lớp rừng ngẫu nhiên

Bảng 2..

Các tính được sử dụng để xây dựng tập thuộc tính trong đề xuất của chúng tôi Xem tại trang 3 của tài liệu.
Bảng 3. Các hoạt động hàng ngày (ADL) - Nâng cao tính ổn định cho mô hình phát hiện ngã của người đi bộ bằng thuật toán tối ưu bầy đàn kết hợp bộ phân lớp rừng ngẫu nhiên

Bảng 3..

Các hoạt động hàng ngày (ADL) Xem tại trang 4 của tài liệu.
Hàm đánh giá hiệu quả mô hình (Hàm F): - Nâng cao tính ổn định cho mô hình phát hiện ngã của người đi bộ bằng thuật toán tối ưu bầy đàn kết hợp bộ phân lớp rừng ngẫu nhiên

m.

đánh giá hiệu quả mô hình (Hàm F): Xem tại trang 4 của tài liệu.
Hình 3. Kết quả phân lớp của mô hình PSO + RF so với mô hình RF ở từng loại hành động - Nâng cao tính ổn định cho mô hình phát hiện ngã của người đi bộ bằng thuật toán tối ưu bầy đàn kết hợp bộ phân lớp rừng ngẫu nhiên

Hình 3..

Kết quả phân lớp của mô hình PSO + RF so với mô hình RF ở từng loại hành động Xem tại trang 5 của tài liệu.
1. Tối ưu mô hình Random Forest và thuật toán PSO - Nâng cao tính ổn định cho mô hình phát hiện ngã của người đi bộ bằng thuật toán tối ưu bầy đàn kết hợp bộ phân lớp rừng ngẫu nhiên

1..

Tối ưu mô hình Random Forest và thuật toán PSO Xem tại trang 5 của tài liệu.

Tài liệu cùng người dùng

Tài liệu liên quan