ty -jour a2 -conforto，silvia au -diego au -au -ferretti，daniele au -principti，emanuele au -squartini，stefano au au -piazza，弗朗切斯科·帕，弗朗切斯科·佩奇 - 2017年DA -2017/05/30 ti-一组一台ti-通过地板声学特征SP -1512670 VL -2017 AB，用于用户辅助的人跌落检测的SVM和模板匹配方法 - 老年人与受伤相关的死亡的主要原因是瀑布的代表。科学界特别关注他们，因为受伤可能会受到事件的早期发现的限制。本文提出的解决方案基于一个组合的一级SVM（OCSVM）和模板匹配分类器，该分类器在半佩里的框架中歧视人类与非坠落的分类器。声信号是通过地板声传感器捕获的；然后，提取了旋转频率的曲线系数和高斯平均监督者（GMS）以进行秋季/非降落歧视。在这里，我们提出了一种单传感器两阶段用户辅助方法：在第一阶段，OCSVM检测异常的声学事件。在第二个中，模板匹配分类器会产生最终决定，利用与用户标记为假阳性的事件相关的一组模板GMS。该算法的性能已在包含人类瀑布和非坠落声音的语料库上进行了评估。与仅OCSVM方法相比，在清洁条件下，提出的算法在嘈杂条件下提高了10.14％的性能。 Compared to Popescu and Mahnot (2009) the performance improvement is 19.96% in clean conditions and 8.08% in noisy conditions. SN - 1687-5265 UR - https://doi.org/10.1155/2017/1512670 DO - 10.1155/2017/1512670 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -