基于用户动作学习的个性化跌倒检测监测系统
机器学习
2020-12-22 v1
摘要
研究表明，与现有跌倒检测系统相比，个性化跌倒检测系统能提供更进一步的益处。该个性化模型也可应用于某一类数据难以收集的任意场景。结果表明，适应用户需求可提升系统的整体准确率。未来的工作包括检测用户身上的智能手机，以便用户可将系统置于身体任意位置并确保其检测能力。尽管准确率未达100%，但个性化的概念验证可用于实现更高的准确率。本文所用的个性化概念也可拓展至医学领域或其他特定类别数据难以获取的研究中。应进一步研究特征提取与特征选择模块，对于特征选择模块，需更多研究基于单类数据的特征选择。
引用
@article{arxiv.2012.11195,
title = {Personalized fall detection monitoring system based on learning from the user movements},
author = {Pranesh Vallabh and Nazanin Malekian and Reza Malekian and Ting-Mei Li},
journal= {arXiv preprint arXiv:2012.11195},
year = {2020}
}