构建基于小波熵的自训练半监督支持向量机分类模型评价老年人步态（原版论文）.pdfVIP

32卷 5 期 中 国 生 物 医 学 工 程 学 报 Vol_32 NO．5 October 2O13 2013年 10月 ChineseJournalofBiomedicalEngineering 构建基于小波熵的自训练半监督支持向量机分类模型评价老年人步态 吴建宁 伍 滨 (福建师范大学数学与计算机科学学院，福州 350007) 摘 要 ：研究应用半监督学习算法分析未标注步态数据评价老年人步态 ，提 出基于小波熵 的 自iJil练半监督支持 向 量机步态分类模型，通过小波熵从未标注步态数据 中选取为每次 自iJil练步态分类模型所需最具信息量 的标注样 本，有效获取步态数据类别间和步态数据内在的 “有价值”的步态变异信息，提高步态分类器的泛化性能。首先采 用 l0名老年人和 1O名青年人步态数据构建支持向量机分类模型，然后对 120名不同年龄组未标注步态数据分类 预测 ，依据小波熵选取样本数据 ，逐步添加更新步态样本训练集 ，自t)il练支持 向量机分类模型。实验结果表 明，本 算法较准确鉴别青年和老年人步态模式 (分类正确率 90％)，比基于有监督学习的支持 向量机步态分类算法正确 率提高近 5％，有效改善支持向量机步态分类算法性能，有望为临床提供一个评价老年人步态的新方法。 关键词 ：步态分析 ；半监督学习；支持向量机 ；小波熵 ；老年人 中图分类号 R318．08 文献标志码 A 文章编号0258—8021(2013)05—0588-07 TheSelf--Training Semi—-SupervisedSupportVectorM achineBased on W aveletEntropyfortheEvaluationoftheElderlyGait WU Jian—Ning WU Bin (CollegeofMathematicsandComputerScience，FufianNormalUniversity，Fuzhou350007，China) Abstract：Thiswork investigated theapplication ofthe semi—supervised learningalgorithm to analysisofthe unlabeledgaitdataforevaluatingthe elderly gait．Thenovelgaitclassificationalgorithm thattheself—training semi—supervisedsupportvectormachine(SVM)basedonwaveletentropyforthediscriminationbetweenthe youngand elderly gaitpatternwasaddressed．In the self-training，waveletentropywasemployed to obtain labeled samplesfrom unlabeled dataset．Themostvaluableinformationrelatedtothegaitchangewasacquired forcurrentgaitclassifiermodel，which obviously improved thegaitclassification performanceofSVM． The labeled