王忠民,周肖肖,王文浪

(西安邮电大学 计算机学院,西安 710121) E-mail:zhou_xiao629@163.com

1 引 言

跌倒是导致中老年人安全与健康问题的主要原因之一,对于中老年人的跌到检测有着重要意义.但是由于跌倒行为的数据采集困难,造成样本集中该行为数据所占的比例较少,这种小样本数据会造成训练集中各行为的数据不平衡和跌倒行为数据不充足等问题.

传统基于低层统计特征的人体行为识别方法是利用加速度数据提取统计特征来识别人体日常行为,如静止、跑步、走路等,其具有较广泛的应用前景[1-3].该类方法侧重于整体的分类准确率,在样本集中包含小样本数据行为时,该类方法会为了整体的分类效果牺牲小样本行为的识别准确率,导致对包含小样本行为的数据集的平均识别率较低[4].

对于不平衡数据来说,小样本类通常是影响整体分类准确率的主要原因.国内外研究人员对小样本数据问题的研究取得了一定成果[5,6].在数据预处理方面主要通过重采样技术[7,8],对样本进行过采样或者欠采样,调整样本集不平衡程度,但这类采样方法的随机性和盲目性,容易造成重要样本信息的丢失,影响分类效果.在分类算法方面主要是对现有分类算法的改进,提升算法对小样本数据行为的识别准确率,如最小二乘支持向量机是改变了支持向量机的标准约束条件和风险函数,以便于提高训练效率[9].这类分类算法只考虑了数据的低层统计特征与……