基于变分模态分解的冻结步态识别方法 |
| |
作者姓名: | 李寿涛 屈如意 张宇 于丁力 |
| |
作者单位: | 1. 吉林大学汽车仿真与控制国家重点实验室;2. 吉林大学通信工程学院;3. 利物浦约翰摩尔斯大学工程技术学院 |
| |
基金项目: | 吉林省科技厅自然科学基金资助项目(20190201099JC);;汽车仿真与控制国家重点实验室自由探索项目(ascl-zytsxm-202022); |
| |
摘 要: | 针对传统帕金森患者冻结步态识别方法自适应性不佳的问题,提出一种基于变分模态分解的冻结步态识别方法.首先采用变分模态分解代替传统时频分析方法对冻结步态信号进行充分的自适应分解.其次为提高算法识别精度和识别速度,选用CART模型作为集成分类器的基分类器并进行特征降维处理.最后针对不平衡数据集和单分类器性能有限的问题,进行了数据采样-集成分类器的设计并通过贝叶斯优化对识别算法进行超参数寻优.实验结果表明,相对于AdaBoost、Tomeklinks-AdaBoost和ROS-AdaBoost集成算法,RUSBoost集成算法可以更高效地完成冻结步态识别任务.
|
关 键 词: | 冻结步态 特征提取 变分模态分解 RUSBoost 贝叶斯优化 |
|