基于关联规则挖掘的赋权特征选择跌倒检测研究

首页 > 按月查看>2021年第3月 >70-74

基于关联规则挖掘的赋权特征选择跌倒检测研究
DOI:
                        
作者:
                        
作者单位:
作者简介:
通讯作者:
基金项目:国家重点研发计划(Ｎｏ.２０１８ＡＡＡ０１００５００); 安徽高校自然科学重点研究项目(ＫＪ２０１９Ａ０３２５); 蚌埠医学院自然科 学重点研究项目(ＢＹＫＹ１７０４ＺＤ、ＢＹＫＹ２０１９０２２ＺＤ)。

ＳｔｕｄｙｏｎＦａｌｌＤｅｔｅｃｔｉｏｎｂｙＷｅｉｇｈｔｉｎｇＦｅａｔｕｒｅＳｅｌｅｃｔｉｏｎＢａｓｅｄｏｎＡｓｓｏｃｉａｔｉｏｎＲｕｌｅｓＭｉｎｉｎｇ

Author:

Affiliation:

Fund Project:

摘要

图/表

访问统计

参考文献

相似文献

引证文献

资源附件

摘要:

针对穿戴式跌倒检测中特征属性过多，传统的降维和ＰＣＡ赋权降维方法仅考虑了单个特征的重要度，未将特征组合的重要性考虑在内的问题，提出一种改进的基于关联规则挖掘的赋权特征选择方法。在特征降维过程中引入关联规则挖掘，根据频繁项集的支持度和置信度为特征赋权，实现特征选择。利用真实的数据集进行对比实验，结果表明:该方法分类的正确率、特异度和灵敏度均高于未经降维的原始数据集和经ＰＣＡ赋权选择的数据集。该方法不仅能够实现对高维数据的降维，而且考虑了特征间的关联规则，能够得到更为优质的特征向量数据集。

Abstract:

Ｗｉｔｈｒｅｓｐｅｃｔｔｏｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｏｏｍａｎｙｆｅａｔｕｒｅａｔｔｒｉｂｕｔｅｓｅｘｉｓｔｅｄｉｎｗｅａｒａｂｌｅｆａｌｌｄｅｔｅｃｔｏｒｓａｎｄｔｈｅｅｘｉｓｔｉｎｇｄｉ￣ｍｅｎｓｉｏｎａｌｉｔｙｒｅｄｕｃｔｉｏｎａｎｄＰＣＡｍｅｔｈｏｄｓｄｉｄｎｏｔｔａｋｅｔｈｅｉｍｐｏｒｔａｎｃｅｏｆｆｅａｔｕｒｅｃｏｍｂｉｎａｔｉｏｎｉｎｔｏａｃｃｏｕｎｔꎬ ａｎｉｍｐｒｏｖｅｄｗｅｉｇｈｔｉｎｇｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎａｓｓｏｃｉａｔｉｏｎｒｕｌｅｍｉｎｉｎｇｉｓｐｒｏｐｏｓｅｄ. Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｕｐｐｏｒｔａｎｄｃｏｎｆｉｄｅｎｃｅｏｆｆｒｅｑｕｅｎｔｉｔｅｍｓｅｔｓꎬ ｔｈｉｓｍｅｔｈｏｄｃａｎｓｅｌｅｃｔｔｈｅｆｅａｔｕｒｅａｔｔｒｉｂｕｔｅｓｂａｓｅｄｏｎｔｈｅａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｍｉｎｉｎｇ. Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｃｃｕｒａｃｙꎬ ｓｐｅｃｉｆｉｃｉｔｙａｎｄｓｅｎｓｉｔｉｖｉｔｙｏｆｔｈｉｓｍｅｔｈｏｄａｒｅｈｉｇｈｅｒｔｈａｎｔｈｏｓｅｏｆｔｈｅｏｒｉｇｉｎａｌｄａｔａｓｅｔｗｉｔｈ￣ｏｕｔｄｉｍｅｎｓｉｏｎａｌｉｔｙｒｅｄｕｃｔｉｏｎａｎｄｔｈｅｄａｔａｓｅｔｓｅｌｅｃｔｅｄｂｙＰＣＡ. Ａｂｅｔｔｅｒｆｅａｔｕｒｅｖｅｃｔｏｒｄａｔａｓｅｔｃａｎｂｅｏｂｔａｉｎｅｄꎬ ｂｅｃａｕｓｅｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎｎｏｔｏｎｌｙｒｅｄｕｃｅｔｈｅｄｉｍｅｎｓｉｏｎａｌｉｔｙｏｆｈｉｇｈ－ｄｉｍｅｎｓｉｏｎａｌｄａｔａꎬ ｂｕｔａｌｓｏｃｏｎｓｉｄｅｒｔｈｅａｓｓｏｃｉａｔｉｏｎ

参考文献

相似文献

引证文献

引用本文

谢静,魏星,蒋秀林,陈春燕.基于关联规则挖掘的赋权特征选择跌倒检测研究[J].西昌学院学报（自然科学版）,2021,35(3):70-74.

复制

文章指标

点击次数:
下载次数:

历史

收稿日期:
最后修改日期:
录用日期:
在线发布日期: 2021-10-28

引用本文

分享

文章指标

历史