基于PSO模式搜索的跌倒检测算法研究

针对粒子群算法存在后期趋同性严重、收敛速度缓慢以及易陷入局部极小点等缺点,将模式搜索算法引入粒子群算法,对支持向量机参数进行优化,应用于跌倒检测中。首先,使用穿戴式设备收集跌倒检测数据集,将初始数据进行均值滤波以消除噪声的影响;然后,滤波后的数据特征提取,将提取的多维数据使用奇异值分解算法进行降维;最后,降维后的数据将用来检验粒子群模式搜索算法的优劣。通过与支持向量机算法和支持向量机算法加粒子群算法进行对比,粒子群模式搜索算法在跌倒检测中特异性和灵敏度都得到了提高。