典型文献
基于新颖性检测的跌倒风险预测
文献摘要：
跌倒是65岁及以上人群因伤害致死的第一位原因.结合受试者个体信息的个性化特征,提出一种基于Kinect三维骨架数据的步态特征提取方法,对老年人的跌倒风险进行评估和预测.将跌倒风险分为高跌倒风险和低跌倒风险两类,考虑数据采集的成本问题,采用新颖性检测模型在不平衡数据集下对特征数据进行训练和评估.实验结果表明,OC-SVM(one-class SVM)检测准确率达86.96％,F1-score为88.55％,能够有效地区分低跌倒风险受试者和高跌倒风险受试者.同时,证明了基于Kinect三维骨架数据预测老年人跌倒风险的潜力.
文献关键词：
跌倒风险;新颖性检测;Kinect;步态分析;单类支持向量机
中图分类号：
作者姓名：
刘雅秦;叶宁;徐康;王汝传;唐震
作者机构：
南京邮电大学计算机学院、软件学院、网络空间安全学院,南京210023;江苏省无线传感网高技术研究重点实验室,南京210023;南京邮电大学材料科学与工程学院,南京210023
文献出处：
引用格式：
[1]刘雅秦;叶宁;徐康;王汝传;唐震-.基于新颖性检测的跌倒风险预测)[J].计算机系统应用,2022(04):163-170
A类：
新颖性检测
B类：
跌倒风险,风险预测,第一位,个性化特征,Kinect,三维骨架,步态特征,成本问题,检测模型,不平衡数据集,特征数据,OC,one,class,检测准确率,score,数据预测,步态分析,单类支持向量机
AB值：
0.268814
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
