基于目标均衡度量的核增量学习跌倒检测方法

来源：计算机应用杂志2018年第4期北京时间：

作者：忽丽莎, 王素贞, 陈益强, 胡春雨, 蒋鑫龙, 陈振宇, 高兴宇

单位：1. 河北经贸大学 信息技术学院, 石家庄 050061;2. 中国科学院计算技术研究所, 北京 100190;3. 中国电力科学研究院, 北京 100192;4. 中国科学院微电子研究所, 北京 100029

摘要：针对增量学习模型在更新阶段的识别效果不稳定的问题，提出一种基于目标均衡度量的核增量学习方法。通过设置经验风险均值最小化的优化目标项，设计了均衡度量训练数据个数的优化目标函数，以及在增量学习训练条件下的最优求解方案；再结合基于重要性分析的新增数据有效选择策略，最终构建出了一种轻量型的增量学习分类模型。在跌倒检测公开数据集上的实验结果显示：当已有代表性方法的识别精度下滑至60%以下时，所提方法仍能保持95%以上的精度，同时模型更新的计算消耗仅为3 ms。实验结果表明，所提算法在显著提高增量学习模型更新阶段识别能力稳定性的同时，大大降低了时间消耗，可有效实现云服务平台中关于可穿戴设备终端的智能应用。

关键词：增量学习,神经网络,核函数,跌倒检测,可穿戴设备

基金资助：国家自然科学基金资助项目（61702491）；河北经贸大学校内科研基金资助项目（2016KYZ05）；国家电网公司总部科技项目（5442DZ170019）；中国电科院科技创新基金资助项目（5242001600H5）。