基于极限学习机的跌倒检测分类识别研究

由于年龄和身体条件的限制,在老年人群中跌倒是非常普遍的现象。因此,根据老年人跌倒的运动特征,远程监测他们在各个时间段的状态,以便在其摔倒或突发状况时及时采取措施显得尤为重要。针对人体运动状态进行监测,分析人体运动学特征,提出基于极限学习机的跌倒检测算法。运用三维加速度传感器采集人体的三维加速度值,建立跌倒检测特征模型。在此基础上,建立基于极限学习机的跌倒检测分类器,完成对老年人的计算机辅助跌倒检测。实验数据共540例样本,选用了不同数量的训练集和测试集,其中440例作为训练数据,其余100例为测试数据。测试结果表明,准确率为93%,敏感度为87.5%,特异性为91.7%,具有良好的分类性能。在对分类训练的运行时间方面,基于极限学习机的跌倒检测方法与传统的机器学习方法相比具有明显优势。     

防御方式问卷信效度再验证

目的重新翻译防御方式问卷（TheDefenseStyleQuestionnaire,DSQ）,并分析其信效度。方法采用方便取样的原则选取社区居民437人,门诊患者166人进行DSQ和艾森克人格问卷的测量。初测3个月后,从社区居民中随机选取128人重测。结果（1）项目CR值为8．27～51．81（P〈0．01）。（2）DSQ四个因子的Cronbach＇sα系数为0．609～0．875,重测信度为0．72-0．81。（3）验证性因素,修正模型x2／df=3．05,GFI=0．90,AGFI=0．87,CFI=0．86,RMSEA=0．06。结论该中文版本DSQ具有较好的信效度,与理论模型有一定的拟合程度。